NAAR EEN DATAGEDREVEN GEMEENTE

NAAR EEN DATAGEDREVEN GEMEENTE

Het verhaal van datagedreven sturing in Utrecht

2

Foto omslag: Willem Mes

Naar een datagedreven gemeente Het verhaal van datagedreven sturing in Utrecht

September 2015 Henk Wesseling Roeland Stolk Eric Warners

Vormgeving: Harrie Wilkens, Berenschot

Inhoud 1. INLEIDING

Over de taal van het verhaal . ................................................................................................................................ 7

1.1

De aanleiding............................................................................................................................................................................7

1.2

Het huidige verhaal van datagedreven sturing..........................................................................................................................8

1.3

Leeswijzer: de volgorde van vertellen.........................................................................................................................................9

Hoofdstukken over de meerwaarde van datasturing 2.

HET ALGEMENE ARGUMENT



Resultaten door datasturing. ............................................................................................................................... 13

2.1 Inleiding..................................................................................................................................................................................13 2.2

Publieke meerwaarde...............................................................................................................................................................13

2.3

Datagedreven sturing..............................................................................................................................................................14

2.4

De ontwikkeling van datagedreven sturing.............................................................................................................................16

2.5

De keuze tussen een open en een gesloten omgang met datagedreven sturing......................................................................17

2.6

Conclusie: open en gesloten strategieën van beheersing .......................................................................................................20

3.

HET DOEL



Publieke meerwaarde door datagedreven sturing.............................................................................................. 23

3.1 Inleiding..................................................................................................................................................................................23 3.2

Vormen waarin datagedreven sturing leidt tot publieke meerwaarde.....................................................................................24

3.3

Meerwaarde laten zien............................................................................................................................................................25

4.

DE ORGANISATIE



Het arrangement waarin we resultaten behalen................................................................................................. 29

4.1 Inleiding..................................................................................................................................................................................29 4.2

Soorten arrangementen...........................................................................................................................................................29

4.3

Verschuivingen in rollen en interventies door datagedreven sturing.....................................................................................30

4.4

Bewust sturen op het activeren van het netwerk door open dataprocessen...........................................................................32

4.5

Omgang met reflexief gedrag..................................................................................................................................................32

4.6

Kiezen voor open en gesloten arrangementen........................................................................................................................33

5.

HET MANAGEMENT EN DE STURING



De werkpraktijk. ................................................................................................................................................... 35

5.1 Inleiding..................................................................................................................................................................................35 5.2

Over sturing en werkpraktijken..............................................................................................................................................35

5.3

Datagedreven sturing betekent meer exploratief werken en sturen........................................................................................36

5.4

Veranderingen in de (ambtelijke) samenwerking...................................................................................................................37

5.5

Veranderingen relaties met management, bestuur en politiek...............................................................................................38

5.6

Concluderend: explorerend, maar wel gericht op lange termijn.............................................................................................40

Hoofdstukken over hoe te werken aan een datagedreven arrangement 6.

HET BOUWEN



Een datagedreven arrangement maken............................................................................................................... 43

6.1 Inleiding..................................................................................................................................................................................43 6.2

Fasering in een bouwproces....................................................................................................................................................44

6.3

Kritische factoren in bouwarrangement.................................................................................................................................45

6.4

Algemene lessen voor procesvoering: fasering........................................................................................................................46

6.5

Lessen voor procesvoering: verstandig handelen bij knelpunten............................................................................................47

7.

HET VERBETEREN



Implementatie en evaluatie................................................................................................................................. 53

7.1 Inleiding..................................................................................................................................................................................53 7.2 Implementatie.........................................................................................................................................................................53 7.3 Evaluatie..................................................................................................................................................................................54 Hoofdstukken over hoe te werken aan de datagedreven gemeente 8.

HET ORGANISEREN



Succes stimuleren door een data­vaardige organisatie............................................................................................ 57

8.1 Inleiding..................................................................................................................................................................................57 8.2

Innovatiestrategie door zoeken................................................................................................................................................58

8.3

Innovatie door kiezen..............................................................................................................................................................59

8.4

Veranderingen van ondersteunende rollen in de organisatie.................................................................................................60

8.5

Kader van algemene strategie Utrecht ‘Via B’.........................................................................................................................62

9.

HET PROFESSIONALISEREN



Datavaardige professionals en teams.................................................................................................................. 65

9.1 Inleiding..................................................................................................................................................................................65 9.2

Datagedreven sturing betekent eisen stellen aan teams.........................................................................................................66

9.3

Scherpe eisen aan het team: overzicht van het veld................................................................................................................67

9.4

Eisen aan het team: verenigen van het netwerk op inhoudelijke oplossingen........................................................................68

9.5

Eisen aan het team: scherpte in data-analyse en interpretatie...............................................................................................69

9.6

Eisen aan het team: omgaan met reflexiviteit.........................................................................................................................70

9.7

Vernieuwing competenties voor professional in de kennisarena............................................................................................70

10. CONLUSIE

Voor publiek resultaat......................................................................................................................................... 73

10.1 Inleiding..................................................................................................................................................................................73 10.2 Meer of minder open en gesloten strategieën van beheersing................................................................................................73 10.3 Tien aangrijpingspunten voor consolidatie en versterking van de strategie...........................................................................74 Bijlagen......................................................................................................................................................................... 79 Bijlage 1. Succesfactoren bij het bouwen aan datagestuurd werken.................................................................................................80 Bijlage 2. Het begrijpen: onderliggende inzichten voor een rusteloze zoektocht..............................................................................81 Bijlage 3. Gesprekspartners ..............................................................................................................................................................85 Bijlage 4. Literatuuropgave................................................................................................................................................................86

INLEIDING Foto: Jan Lankveld

9

1 Over de taal van het verhaal 1.1

De aanleiding

De gemeente Utrecht streeft bij de uitvoering van al haar taken naar de best mogelijke uitkomsten voor de Utrechter. Het realiseren van publieke waarde, zoals schonere straten, veiligere buurten en betere voorzieningen, staat steeds centraal in wat de gemeente doet. De vraag voor de gemeente is altijd hoe dat beter kan. Zuiniger, effectiever en met meer draagvlak. In Nederland bestaat een groeiende overtuiging dat een slimme omgang met (big) data leidt tot betere resultaten voor burgers. Utrecht noemt dat datagedreven sturing. Raad, bestuur en organisatie zien de meerwaarde hiervan. Middelen zijn vrijgemaakt en projecten zijn gestart. Utrecht werkt exploratief aan innovatie door datagedreven sturing. De gemeente is bewust aan het zoeken naar nieuwe initiatieven. Onder de noemer van datagedreven sturing lopen er inmiddels verschillende projecten in Utrecht.

10

Een aantal projecten • Slim detecteren van Zwartwerken • Informatiegestuurde weesfietsen aanpak • Het Korte Termijn Systeem Sociaal Domein (KTSD) voor Buurtteammedewerkers: monitoring van hulpvragers • Dynamisch Data Dashboard (DDD) in het Sociaal Domein • Kanaaloptimalisatie publieksdienstverlening • Informatiegestuurd toezicht en handhaving van overlast in wijken • Volksgezondheid: de gezonde wijk-aanpak • Open Data Platform • Opname van mobiliteitsdata in een centrale database • Dataproject Veiligheid: georganiseerde criminaliteit • Dataproject Veiligheid: woninginbraken De gemeente Utrecht heeft de afgelopen jaren hard gewerkt aan de Utrechtse informatiehuishouding. In 2015 heeft de Raad ingestemd met een ‘derde golf’: datagedreven sturing, inclusief open data. De bovengenoemde projecten zijn onderdeel van deze derde golf met slimme dataprojecten (bron: Commissiebrief Aanpak Datagedreven sturing, 19 december 2014). Parallel aan het schrijven van dit verhaal zijn diverse nieuwe projecten gestart. In totaal zijn er nu 23 dataprojecten in Utrecht.

1.2

Het huidige verhaal van datagedreven sturing

Communicatie en dialoog over

Werken aan publieke meerwaarde (betere resultaten voor burgers) door datasturing

datagedreven sturing in Utrecht

vindt in Utrecht plaats met partners binnen en buiten het gemeentehuis. Er vindt

• Gemeente Utrecht was host van

communicatie en dialoog plaats over de bereikte resultaten en over wat zinvolle

Het Grote Big Data Congres op 4

vervolgactiviteiten zijn. Gaandeweg ontstaat zo een verhaal. Er ontwikkelen zich

februari 2015

verhalen over de afzonderlijke projecten, maar ook overkoepelend is er ontwikkeling

• Er zijn regelmatig bijeenkomsten

naar een Utrechts verhaal over datagedreven sturing in het algemeen.

in het Stadskantoor waarbij interne en externe sprekers kennis

Het is belangrijk om een overkoepelend en verbindend verhaal te hebben. Mensen

uitwisselen en ervaringen delen

steunen erop als ze initiatieven willen nemen en kunnen er steeds op terug­vallen

over datagestuurd werken

bij problemen. Het groeiend aantal kleine zoektochten moet immers steeds meer

• Gemeente Utrecht organiseert

verbinding met elkaar krijgen. En systematisering is ook nodig om het geheel

samen met de organisatie Setup

aan ontwikkelingen bestuurlijk en politiek te kunnen beoordelen en te kunnen

evenementen in de stad, waarbij

stimuleren.

Utrechters worden uitgedaagd om (samen met de gemeente) te

Aan Berenschot is gevraagd om uit de afzonderlijke verhalen één essay te

werken aan datagestuurde oplos-

destilleren. Dat moet een rijk en eerlijk verhaal zijn dat vanuit de Utrechtse praktijk

singen

laat zien waarom en hoe datagedreven sturing tot meerwaarde voor de burger leidt. Het moet vertellen hoe de verschillende ambtelijke professionals daaraan optimaal kunnen bijdragen. Het doel van dit document is dan ook om een hulpmiddel te zijn voor professionals die zich met datagedreven sturing bezighouden en voor de mensen die deze ontwikkeling moeten beoordelen. Het essay is dan ook voor die doelgroep geschreven en vereist enige voorkennis.

11

1.3

Leeswijzer: de volgorde van vertellen

Het verhaal is op vele manieren te vertellen. Wij vertellen het verhaal vooral vanuit het perspectief van een team dat aan één datagedreven project wil gaan werken. Dat doen we door inzicht te geven in de ervaringen en lessen van de projectteams, van andere deskundigen en van wetenschappers.1 We geven ook aan wat het verhaal vraagt van de organisatie als geheel en van de professionals die in die organisatie werken. We redeneren daarbij altijd terug vanuit waar het om gaat: publieke meerwaarde voor de burgers. Achtereenvolgens gaan we in op alle aspecten die daarbij van belang zijn. Hoofdstukken over de meerwaarde van datasturing 2. Het algemene argument: resultaten door datasturing. Datasturing is een breed

De waarde van ‘gezamenlijk erva­

begrip dat verwijst naar achterliggende begrippen zoals big data en open data.

ren’ van publieke meerwaarde

Wat is dat eigenlijk? En waarom zouden we het willen als gemeente?

Belangrijk element van publieke

3. Het doel: publieke meerwaarde door datagedreven sturing. Welke meerwaarde

meerwaarde is het ‘gezamenlijk

realiseren we met datagedreven sturing? Wat voor vormen van publieke

ervaren’ ervan. Mensen bepalen

meerwaarde kunnen we realiseren met datasturing?

met elkaar wat een relevante vraag

4. De organisatie: het arrangement2 waarin we resultaten behalen. In wat voor

is en wat goede overheidsoplossin-

‘arrangement’ wordt de meerwaarde behaald en welke rol speelt de gemeente

gen zijn. Vandaar dat Mark Moore bij

daarin? Met een arrangement bedoelen we het geheel van structuren en

het realiseren van publieke waarde

afspraken rond een te realiseren resultaat. Hoe verandert door datasturing de

naast organisatiecapaciteit (nodig

rol van de gemeente in de omgang met partners in de stad?

voor het realiseren) en naast de

5. Het management en de sturing: de werkpraktijk. Op zo’n arrangement moet je als

maatschappelijke doelen/prestaties

team en organisatie sturen. Wat zijn de consequenties van datagedreven sturing

(wat geeft publieke waarde) ook

voor de gemeentelijke wijze van sturen?

onderscheidt naar legitimiteit ofwel draagvlak (vinden genoeg mensen

Hoofdstukken over hoe te werken aan een datagedreven arrangement

dat iets publieke waarde heeft).

6. Het bouwen: een datagedreven arrangement maken. Het inweven van datasturing

Legitimiteit eist dus eensgezind-

in een arrangement is niet zo maar gebeurd. Vaak zijn niet alle betrokkenen

heid over wat van publieke waarde

binnen het netwerk het met elkaar eens over wat in welke volgorde moet

is en coalities van eensgezinden

gebeuren. In feite is er sprake van een bouwproces van ontwikkelen, ontwerpen

die besluiten over aan welke vragen

en implementeren. Projecten in Utrecht sluiten vaak aan bij al bestaande

welke middelen toegekend mogen

werkpraktijken. Vaak gaat het meer om verbouwen terwijl de verkoop gewoon

worden.

door gaat. Hoe gaat een team het project van de grond tillen? Met wie ga je bouwen en hoe zijn bestuurders en partners betrokken? Hoe richt je het ontwerpproces in en hoe leer je met elkaar over wat te doen? Hoe speel je daarbij in op kansen en knelpunten die in de praktijk worden ervaren? 7. Het verbeteren: implementatie en evaluatie. Hoe zal het verder gaan als het projectresultaat volledig is geïntegreerd in het reguliere werken? Wat komen we dan tegen en hoe bewegen we vervolgens naar het volgende (ver)bouwproces?

1 2

Zie de bijlage voor de lijst met gesprekspartners Met een arrangement bedoelen we het geheel van structuren en afspraken rond een te realiseren resultaat.

12

Hoofdstukken over het werken aan de datagedreven gemeente 8. Het organiseren: succes stimuleren door een datavaardige organisatie. Utrecht is bezig met datagedreven sturing als innovatieproces. Hoe gaat de strategie van Utrecht (leren in netwerken, van buiten naar binnen) en vormgeving van de organisatie helpen om met datagedreven sturing successen te realiseren? 9. Het professionaliseren: datavaardige professionals en team. De traditionele praktijken zullen door datasturing en het bouwen daaraan veranderen. Wat moet je als ambtenaar kunnen en leren om datagestuurd te werken? Hoe ga je hier als professional mee om? Hoe stuurt de organisatie hierop? 10. Conclusie: voor publiek resultaat. Wat zijn ten slotte de belangrijkste aangrijpingspunten voor versterking van de Utrechtse gang naar datagedreven sturing gericht op meer publiek resultaat?

Het Utrechtse verhaal van

‘ontwerpen van datagedreven sturing’.

The next big thing in overheid

Hoofdstukken over de meerwaarde van datasturing

Foto: Willem Mes

HET ALGEMENE ARGUMENT Foto: Willem Mes

15

2 Resultaten door datasturing 2.1 Inleiding In dit hoofdstuk beschrijven we wat datagedreven sturing is. Waarom is het zo hip and happening? Doen we niet al heel lang aan datagedreven sturing in Utrecht? En is al dat verzamelen en analyseren van data wel zo gunstig voor de inwoners? Of ontwikkelt de gemeente Utrecht zich meer en meer tot een soort ‘big brother’? 2.2

Publieke meerwaarde

Ieder datagedreven verhaal hoort te starten met de publieke meerwaarde: bijvoorbeeld goedkopere en/of betere zorg, of meer duurzame economisch groei. De overheid staat voor de uitdaging publieke vraagstukken op te lossen. Wat goede publieke vragen en oplossingen zijn, houdt de gemeente Utrecht en haar partners dus altijd bezig. Met het realiseren van publieke meerwaarde bedoelen we dat resultaten effectiever, efficiënter en meer gedragen zijn. Dat is niet eenvoudig te realiseren. Vraagstukken en mogelijke oplossingen veranderen steeds sneller. Beleid kent vaak meer onbedoelde dan bedoelde effecten. Bovendien ligt het handelen van de overheid onder een vergrootglas.

16

De waarde van ‘gezamenlijk er­varen’ van publieke meerwaarde Belangrijk element van publieke meerwaarde is het ‘gezamenlijk ervaren’ ervan. Mensen bepalen met elkaar wat een relevante vraag is en wat goede overheidsoplossingen zijn. Vandaar dat Mark Moore bij het realiseren van publieke waarde naast organisatiecapaciteit (nodig voor het realiseren) en naast de maatschappelijke doelen/prestaties (wat geeft publieke waarde) ook onderscheidt van legitimiteit ofwel draagvlak (vinden genoeg mensen dat iets publieke waarde heeft). Legitimiteit eist dus eensgezindheid over wat van publieke waarde is en coalities van eensgezinden die besluiten over aan welke vragen welke middelen toegekend mogen worden.

Een slimme omgang met data kan het realiseren van publieke meerwaarde voor de overheid beter beheersbaar maken. Zo wordt bijvoorbeeld langs de weg van gekoppelde data duidelijker waar welke zorg nodig is, wat het effect is van interventies in de buurt en of problematiek in de wijken verschuift. Met slimme analyses is het mogelijk om verbeteringen in onderhoudsprocessen te ontdekken die anders waarschijnlijk verborgen zouden zijn gebleven.

De publieke meerwaarde op het gebied van publieke gezondheid Op het terrein van publieke gezondheid wordt met een wijkaanpak gestreefd naar betere gezondheid, tegen lagere kosten. De gemeente definieert deze gewenste publieke meerwaarde met een streven naar preventief beleid en meer maatwerk. Daarmee is ze zowel gericht op de beheersing van de problematiek (naar preventie) als op het integraal en open zoeken naar de beste aanpak (maatwerk). Deze nadruk op vroegsignalering en preventie op maat is de afgelopen jaren sterk opgekomen.

2.3

Datagedreven sturing

Soms wordt over datagedreven sturing gesproken alsof het wiel opnieuw is uitgevonden. Dat is onzin. In de kern komt datagedreven sturing erop neer dat we liever op basis van kennis handelen, dan op basis van speculatie en intuïtie. Nieuw is dat niet. Veel professionals handelen immers op basis van kennis uit hun praktijk. De afdeling onderzoek werkt al jaren aan onderzoeken die concrete sturingsinformatie als uitkomst hebben. Tegelijk is de realiteit ook dat veel overheidshandelen gebaseerd is op kennis over het verleden of op routine. De huidige nadruk op datagedreven sturing is niets meer dan het handelen zoveel mogelijk baseren op meer en slimmer verzamelde kennis. Datasturing is dus geen volledig nieuwe ontwikkeling. Het kent wel nieuwe elementen. Nieuw is bijvoorbeeld dat de databronnen zo veelvuldig zijn, zo snel blijven groeien en dat ze zo snel beschikbaar komen voor analyse. We kunnen steeds bewuster en met meer geavanceerde technieken data verwerken tot informatie of kennis.

17

Datagedreven sturing

Illustratie van het verschil tussen

In Utrecht verzamelde het team Vergunningen, Toezicht en Handhaving altijd

data, informatie en kennis

al informatie over overlast, zoals aangiften, meldingen van inwoners en eigen

TNO (2014) heeft voor de politie het

registraties. Relatief nieuw is dat deze informatie gecombineerd wordt en om-

verschil tussen data, informatie en

gezet kan worden naar rijkere en gebruiksvriendelijkere sturingsinformatie. Denk

kennis prachtig laten zien. Koppeling

aan actuele informatie over de overlast in een wijk die is weergegeven op een

van data over vandalisme en locatie

GIS-kaart. Utrecht kan steeds beter voorspellen waar overlast gaat ontstaan. En

leverde de volgende verbanden op:

steeds meer zijn toezichthouders zich hier ook van bewust.

Hangjeugd + een aangeharkt parkje leidt tot relatief weinig vandalisme

Om datagedreven sturing echt te kunnen begrijpen, is het goed om stil te staan bij het verschil tussen data, informatie en kennis. Een snelle definitie is dat kennis tot stand komt door data te verzamelen, te ordenen en daarmee tot een onderzoekshypothese te komen. Maar wat houden deze centrale begrippen precies in?3

tief veel vandalisme Hangjeugd + een viswinkel leidt relatief tot het meeste vandalisme. Als de politie zou sturen op basis van deze data, zou ze agenten

Data zijn een verzameling van kale grootheden, hoeveelheden en feiten. Getallen of woorden, waar behalve het maken van records zelf nog niets mee wordt gedaan. Denk aan een Excel-bestand met gegevens over uitkeringen. Informatie ontstaat als er context of betekenis aan de gegevens wordt toegevoegd. Door verschillende gegevens gericht aan elkaar te koppelen. Of door de gegevens vanuit een bepaalde context te beschouwen. Denk bijvoorbeeld aan het koppelen van de gegevens over uitkeringen aan een bepaalde wijk. Nu weet je hoeveel werkeloosheid er in een wijk is. Kennis ontstaat als informatie wordt verwerkt tot een bewuste hypothese die in een bepaalde context ter verklaring toegepast kan worden. Een hypothese is een vermoeden van een oorzakelijk verband. Die hypothese wordt getoetst met data en door duiding. Denk bijvoorbeeld aan het koppelen van wijkgegevens over uitkeringen aan gegevens over scheidingen. Het verband dat naar voren komt, kan relevant zijn voor iemand die wil sturen op minder werkeloosheid. De overvloed aan data en de snelle mogelijkheden tot het leggen van verbanden leidt tot het risico dat we zulke verbanden te snel tot ‘ware kennis’ (getoetste hypotheses) bombarderen. Belangrijk is om er altijd voor open te staan dat een hypothese mogelijk niet klopt. Het is belangrijk dat medewerkers de kunst verstaan kritisch naar mogelijke verbanden te kijken en die binnen netwerken te interpreteren en te duiden.

3

Hangjeugd + een café leidt tot rela-

Naar Mandinach (2012) en Mandinach ( 2006)

eerder inzetten op plekken met een café dan met een parkje. Dat is plausibel. Maar als de politie zijn inzet zou verplaatsen naar de viswinkel mag de onderliggende hypothese (kennis) in twijfel worden getrokken. De correlatie is namelijk vervuild. Omdat viswinkels bijna altijd op een pleintje staan, lijkt het alsof de viswinkel de bepalende variabele is, terwijl het eigenlijk om dat pleintje gaat. Het is dus belangrijk om informatie niet zonder na te denken voor ware kennis aan te nemen!

18

Voorbeeld van duiding:

2.4

datagedreven sturing in toezicht

Utrecht is trots dat datagedreven sturing binnen de gemeente voortbouwt op een

In de gemeente Utrecht werkt de

al bestaande praktijk van onderzoek en hypothesetoetsing. Met de exponentiële

afdeling VTH sinds enige tijd met

groei van mogelijkheden (en de aandacht daarvoor) is nu het momentum om met

het softwarepakket Tableau. Het

de uitbreiding van datasturing aan publieke meerwaarde te werken. De klassieke

systeem combineert informatie

onderzoeksvaardigheden vervallen daarmee niet. Integendeel, ze worden onderdeel

over veiligheid en overlast en maakt

van de continue zoektocht naar goede hypotheses om het handelen effectiever te

cijfers voor alle partners inzichtelijk.

maken.

Wijkmanagers maken veel gebruik van het systeem. Ze kunnen op wijkniveau verbanden maken. Deze kennis gebruiken ze in gesprekken met bijvoorbeeld handhavers en politie over mogelijke effectievere interventies. Hier worden uitkomsten dus professioneel geduid.

De ontwikkeling van datagedreven sturing

De gemeente Utrecht probeert de komende jaren het potentieel van de nieuwe technieken te benutten om het handelingsperspectief van de gemeente (en zijn partners) te onderbouwen en uit te bouwen. Het is zaak om rond een concreet vraagstuk de eigen data én de data van andere partners zoveel mogelijk met elkaar te verbinden. De kunst is altijd om een omgeving te maken waarin dat kan én waarin wordt voldaan aan de privacy-eisen. Daar komen we in hoofdstuk zes op terug. Het gebruik van toenemende hoeveelheden data en de totstandkoming van kennis

Voorbeeld van professionele

stelt eisen aan analyse, methodiek en duiding. Er zijn momenteel op hoofdlijnen

omgang met informatie: sociaal

vijf niveaus voor data-analyse die trapsgewijs oplopen in complexiteit: van betere

domein

Monitoring, waarbij het gaat om een beter beeld van de situatie van gisteren,

In het Korte Termijn Systeem Sociaal

tot Data Discovery, het ontdekken van nieuwe verbanden tussen verschillende

Domein (KTSD) wordt alleen die

gegevens. Van deze onderstaande trap maakt de gemeente veel gebruik als er

informatie geregistreerd die met

gesproken wordt over datagedreven sturing (vgl. Meijer, 2013).

het probleem van de burger en de oplossing te maken heeft. Door deze informatie gepseudonimiseerd te koppelen aan andere databronnen via het DDD kunnen op korte termijn deze en andere interventies op alle leefgebieden van de cliënten geanalyseerd worden en komen we meer te weten welke interventies bij welke groepen wel en niet werkt.

Figuur 1. Trap van datagedreven sturing. Foto, Harrie Wilkens

19

Utrecht maakt vooralsnog hoofdzakelijke gebruik van de niveaus van Monitoring en Realtime Monitoring. Bijvoorbeeld voor de monitoring van de hulpvraag in het KTSD en de Realtime Monitoring van de mate waarin de ondergrondse vuilnis­ containers gevuld zijn (met behulp van sensordata). De overige drie technieken: Predictive Analysis, Profiling en Data Discovery zijn grotendeels nog toekomstmuziek, maar wel een ambitie. In sommige projecten, als de projecten toezicht en bij Volksgezondheid, zijn er stappen gezet richting Predictive Analysis en Profiling. Toelichting op de vijf niveaus geillustreerd met Utrechtse projecten Monitoring. Buurtteams in Utrecht maken gebruik van KTSD. In dit systeem wordt door professionals de voortgang van hulpvragers gemonitord: welke interventies zijn uitgevoerd en welke voortgang maken ze? Buurtteammedewerkers kunnen op die manier ‘volgen’ hoe de hulpvrager zich ontwikkelt en daar hun handelingen op afstemmen. Real-time. Sensordata geven ‘de gevuldheid’ van ondergrondse afvalbakken weer, wat de basis is voor de berekening van de optimale route van vuilnisauto’s. Met minder kosten voor Utrechters als opbrengst. Predictive analysis. Analyses die toekomstige problemen en behoeften voorspellen. Denk aan het voorspellen van extra vraag naar paspoorten, het voorspellen van nieuwe zorgvragen en het voorspellen van overlast op specifieke locaties. Profiling. Profiling biedt veel kansen waar het gaat om verbetering van de dienstverlening. Bijvoorbeeld het proactief aanbieden van diensten aan specifieke doelgroepen, zoals beginnende ondernemers, of alleenstaande moeders. Het zal niet verbazen dat profiling indringende vragen oproept vanuit het privacy-perspectief. Data-discovery. Het ontdekken van nieuwe verbanden in grote bergen data. Nieuwe verbanden vragen vaak om een vernieuwing van het handelings­ repertoire. Nieuwe inzichten kunnen elkaar razendsnel opvolgen. Let op: hier geldt in het bijzonder dat het vinden van een correlatie niet verward moet worden met causaliteit. 2.5

De keuze tussen een open en een gesloten omgang met datagedreven sturing

Een belangrijke keuze bij de inzet van datagedreven sturing is de keuze hoe open of gesloten het proces wordt ingestoken. Deze keuze heeft betrekking op verschillende fases van de ontwikkeling van hypotheses voor sturing. Onderstaand geven we langs vier belangrijke aspecten dit verschil weer. Fases in de totstandkoming data/informatie/kennis 1. Het vaststellen van onderzoekskaders. De gemeente kan zelf bepalen wat relevante onderwerpen en definities zijn (gesloten) of kan dat samen met anderen doen (open). Bij de gezondheidsmonitor is dit bijvoorbeeld gezamenlijk met partners gebeurd. Bij de informatie voor toezicht bepaalt de gemeente het zelf. 2. Het verzamelen van data. De gemeente kan de benodigde data voor de analyses zelf verzamelen (gesloten) of kan dat samen met andere partners rond het vraagstuk doen (open)

20

Fases in de toepassing data/informatie/kennis 3. Het duiden van uitkomsten. De gemeente kan de informatie zelf duiden en verrijken (gesloten), of kan dit samen met anderen doen (open). 4. Het gebruik maken van data en uitkomsten. Als de gemeente eigenaar is van (gekoppelde) data kan ze ervoor kiezen om de data en de informatie die tot stand is gekomen, algemeen toegankelijk maken (open), restricties aan het gebruik stellen of ze in het geheel afschermen (gesloten). Momenteel wijst de trend van open data op de waarde van het vrij toegankelijk maken van databestanden en analyses. Utrecht stelt een deel van haar data beschikbaar via http://opendata.utrecht.nl. Uiteraard kunnen ook andere partners deze keuzes maken. Open/gezamenlijk totstandkoming en toepassing

Open totstandkoming en gesloten toepassing

Gesloten totstandkoming en open toepassing

Gesloten totstandkoming en gesloten toepassing

Tabel 1.

In de praktijk ontstaan vaak mengvormen tussen de open en gesloten benadering. De vraag of (een deel van) het proces open of gesloten wordt ingestoken is belangrijk. Een te gesloten dataproces heeft als risico dat de inzet van datagedreven sturing kan leiden tot meer controle en beheersing op basis van eigen overtuiging en tot een instrumentele inzet van professionals. Het risico is dan dat steeds minder geluisterd wordt naar (omgevings)signalen van bijvoorbeeld de werkzame professionals en vanuit - vaak ook nog eens - ongetoetste correlaties kan dan een te groot geloof in de maakbaarheid van de samenleving ontstaan. Dat is dan de maakbaarheidsillusie in optima forma. Soms zijn gesloten processen echter nodig. In Utrecht zijn er zeker projecten waar de nadruk terecht eenzijdig ligt op gesloten beheersing door de overheid en op gerichte inzet van professionals. Denk aan het maken van woningprofielen die kwetsbaar zijn voor inbraak en daarop inzetten van capaciteit en aan het gericht inzetten van handhavers bij het verwijderen van zwerffietsen. Voor een gesloten opzet kunnen goede redenen zijn. Bijvoorbeeld bij projecten waarbij bedreiging van onze veiligheid in het geding is. Daar verwachten we juist scherp overheidsoptreden en is dat eenzijdig streven naar beheersing vanuit een gesloten dataproces een in eerste instantie logische benadering.

21

Interessant daarbij is dat met een gesloten proces van totstandkoming (zoals bij privacygevoelige trajecten op het sociaal domein of in de veiligheid) het proces van toepassing wel degelijk in een open dialoog kan worden vormgegeven. Dat zie je in Utrecht bijvoorbeeld bij de datagedreven dialoog die in het gesprek over wijk­ veiligheid is ontstaan. Professionals duiden met elkaar de uitkomsten en verbinden zo de kracht van empirische kennis aan ervaringskennis. Het beschikbaar zijn van deze informatie zorgt ervoor dat men het in het gesprek eerder eens wordt over waar capaciteit heen moet. De risico’s van eenzijdige nadruk op gesloten processen • Illusie van maakbaarheid: data lijken soms de belofte in zich te dragen dat alle problemen beheersbaar en oplosbaar worden. • Instrumentele sturing van professionals: gebruik van data kan leiden tot de opvatting dat de professional een instrument wordt, dat sec uitvoering geeft aan de resultaten van data-analyses. • Verwaarlozen andere relevante signalen voor sturing: de waarde van contextinformatie voor het waarderen en handelen, lijkt soms in de verdrukking te komen. Zonder deze informatie zijn analyses echter niet goed te duiden. • Gebrek aan interpretatie: het beeld van data is dat het één waarheid biedt, terwijl in de praktijk altijd meerdere interpretaties mogelijk zijn. • Onvoldoende aandacht voor kwaliteit data: in het streven naar meer publieke waarde kan het verleidelijk zijn snel over te gaan tot actie op basis van analyses. Gek genoeg wordt hierbij de reflectie op de kwaliteit van de gebruikte data soms overgeslagen. Het is voor Utrecht zaak altijd de mogelijkheid van een meer open werkwijze in het

Voorbeeld van open processen:

oog te houden. In Utrecht staat immers participatie en zelfredzaamheid centraal.

het Open Data Platform

Want tegenover de gesloten, instrumentele benadering gericht op meer controle

Het Open Data Platform stelt

en beheersing, staan de mogelijke zegeningen van open processen. Open processen

datasets beschikbaar om zowel

bieden ruimte om in interactie met de samenleving tot innovaties te komen. Er

organisaties als de samenleving te

ontstaan nieuwe ideeën over hoe publieke vraagstukken samen getackeld kunnen

stimuleren om hier (samen) publieke

worden.

meerwaarde uit te halen. In samenwerking met de samenleving wordt

In Utrecht is bij datagestuurde projecten meestal (soms impliciet) al sprake van

experimenteel gezocht naar oplos-

een combinatie van ‘gesloten’ en ‘open’. Vaak zijn de uitkomsten van analyses

singen voor diverse maatschap-

bedoeld voor het ondersteunen en vergroten van de handelingsmogelijkheden

pelijke vraagstukken. Het platform

van professionals, burgers en partners. De data-analyses moeten leiden tot betere

creëert, stimuleert en faciliteert in

interventies op basis van (gedeelde) kennis tussen de partners. Bij zo’n open project

potentie ruimte voor interactieve

kan echter wel al vooraf bepaald zijn wie over de data en uitkomsten van analyses

beleidsvorming en eigen initiatief.

kan beschikken en wie niet.

Tegelijk blijkt dit niet automatisch zo te werken: hergebruik valt nog niet mee. Voor de nabije toekomst ligt er dus de vraag hoe deze potentie beter kan worden benut.

22

Voorbeeld van omgang met

Voor Utrecht is het belangrijk om bij projecten vaker en scherper een keuze te

privacy in het sociaal domein

maken voor een gesloten of open benadering. Hoe kan gesloten data­sturing

Bij het Dynamisch Data Dashboard

gericht op monitoring en analyses leiden tot de gewenste controle en beheersing?

in het sociale domein is het

Hoe kunnen open processen helpen bij het creëren van verdere meerwaarde in

privacyvraagstuk rondom het

de netwerken? Open processen bieden mogelijkheden om samen met de stad tot

koppelen van persoonlijke gegevens

nieuwe innovaties te komen. Zeker op dat vlak liggen veel kansen om met minder

een beheersbaar vraagstuk

inzet van de gemeente meer resultaat te behalen. De beweging naar open waar het

geworden. Onder toeziend oog

kan zal de komende jaren dus een steeds belangrijker perspectief worden. De vraag

van de security officer en de

in welke mate een proces open moet zijn, hangt naast het beoogde resultaat ook af

privacy adviseur wordt in pilots

van randvoorwaarden zoals privacy. De kunst is om deze afwegingen in een project

een pseudonimiseertool gebruikt.

bewust te maken.

Hiermee worden bij de bron(houder) BSN-nummers versleuteld voordat

2.6

ze overgedragen worden aan

De meerwaarde van datagedreven sturing is dus dat oplossingen voor publieke

de data-analisten. De sleutels

vraagstukken gevoed worden door meer kennis. En natuurlijk, ‘de waarheid’ bestaat

zijn niet meer te herleiden tot

niet. Kennis is nu eenmaal geen weerspiegeling van de werkelijkheid en altijd

natuurlijke personen. Door bij

gebrekkig en partieel. Dat is een belangrijke kanttekening, maar het laat onverlet

elke bron op dezelfde manier te

dat datagedreven sturing in de kern betekent dat er meer gehandeld wordt op basis

versleutelen, kunnen privacyveilige

van gestaafde empirie. Uiteindelijk is het doel om meer beheersing te hebben met

koppelingen worden gemaakt

een grotere kans op verwachte resultaten: om ‘lean’ te zijn in productie­processen,

tussen verschillende databronnen.

om effectievere handhaving te realiseren, om kansen voor innovatoren bloot

De eerste pilot met het koppelen

te leggen en om meer zelfsturing van wijken en zelfredzaamheid van burgers te

van schoolverzuim van jongeren aan

stimuleren.

Conclusie: open en gesloten strategieën van beheersing

de uitkeringsgegevens van ouders is hierdoor mogelijk. Het grootste privacyprobleem is hierdoor bij

Trap niet in de valkuil van alleen maar gesloten beheersen

datagedreven sturing opgelost.

De meeste projecten in Utrecht zijn opgestart vanuit het beeld dat bestaande

Een ander punt is dat door het

data tot betere sturingsinformatie kunnen leiden. Dat klopt. Het is echter

koppelen van zoveel dataspecifieke

belangrijk om ook de verbinding te zoeken met de stad zelf. Het is immers in

kenmerken analyses ontstaan die te

een participatiesamenleving juist niet de bedoeling dat de overheid eenzijdig naar

herleiden zijn tot een beperkt aantal

beheersing streeft. Ze moet de maatschappij in staat stellen aan oplossingen te

personen. Daarom wordt gewerkt

werken. Het is daarom belangrijk nog meer na te denken over hoe en wanneer

met een aggregatieniveau van

partners en burgers baat zouden hebben bij betere sturingsinformatie. Juist

minimaal vijftien individuen.

daar liggen veel kansen om met minder inzet van de gemeente meer resultaat te behalen. Zou het bijvoorbeeld zinvol zijn om ‘hulpvragers’ inzicht in hun eigen KTSD-dossier te geven? En zo ja, wat zou dat kunnen opleveren?

23

Benadrukt is dat handelen gericht op beheersing en nieuwe mogelijkheden in

Voorbeeld van de combi ‘open’ en

verschillende situaties tot meer publiek resultaat leidt. Uiteindelijk wordt er iets

‘gesloten’

gerealiseerd en is er dus altijd een effect van ‘beheerst resultaat’ door kennis­

In de gezondheidszorg wordt al

toepassing. Die beheersing door datagedreven sturing kan op verschillende manie-

intensief gebruik gemaakt van

ren meer gesloten of juist meer open zijn. Meer gesloten of open in de zin van meer

data-analyses om meer kennis te

of minder beperking van de beschikbaarheid van data voor verschillende actoren.

genereren. Transparantie daarover

Maar ook meer gesloten of meer open in de zin van komen tot gemeenschappe-

richting patiënt is de laatste jaren

lijke probleemstellingen, interpretatie van de uitkomsten en aanwending van de

toegenomen. Het delen van informa-

geproduceerde kennis.

tie tussen arts en patiënt zorgt voor een betere afstemming van de zorg en tot zorgvermindering (bijvoorbeeld minder face-to-face afspraken tussen patiënt en arts). Bovendien wordt de zelfredzaamheid van de hulpvrager vergroot. Meer resultaat, minder kosten en gunstige bijeffecten dus. Naarmate processen meer worden opengesteld, zullen er meer vragen komen over het eigenaarschap van de analyses en gegevens en over wie waarvoor verantwoordelijk is. Zeker wanneer koppelingen met zelf-meetapplicaties (Quantified Self) mogelijk worden.

HET DOEL Foto: Willem Mes

25

3 Publieke meerwaarde door datagedreven sturing 3.1 Inleiding In Utrecht werkt men niet aan datagedreven sturing omdat de gemeente wil meedoen met de big data-hype. Utrecht redeneert altijd vanuit een mogelijk publiek resultaat. Daarom moet bij projecten altijd duidelijk zijn op welke manier(en) ze kunnen bijdragen aan de vergroting van publieke meerwaarde. In dit hoofdstuk gaan we in op hoe datagedreven sturing hieraan kan bijdragen.

26

3.2

Vormen waarin datagedreven sturing leidt tot publieke meerwaarde

In de basis zijn er drie vormen te onderscheiden waarin datagedreven sturing tot publieke meerwaarde kan leiden: zz

Inputoptimalisatie. Daarmee bedoelen we het vergroten van de efficiency door slimmere en goedkopere inzet van middelen in het productieproces. Denk bijvoorbeeld aan het voorspellen van de zorgvraag onder ouderen, waardoor de benodigde personele en technologische capaciteit goed kan worden ingeschat.

zz

Procesoptimalisatie is gericht op het slimmer inrichten van de werkprocessen waardoor we sneller en selectiever interventies kunnen uitvoeren. Voorbeelden daarvan zijn het leveren van zorg op maat of het gericht controleren van fout parkeren in straten waar dat vaak gebeurt.

zz

Productvernieuwing (eigenlijk output- en outcome-optimalisatie) is de meest aansprekende vorm: het ontwikkelen van nieuwe diensten die veel beter aansluiten op de behoeften van burgers en organisaties. Een goed voorbeeld is het ontwikkelen van een app waarmee je snel kunt zien waar de openbare toiletten in de stad zich bevinden. Je kunt op dit punt verschillende soorten innovaties onderscheiden. Soms is er sprake van een doorontwikkeling, als bijvoorbeeld aan de zorgaanpak een nieuw element wordt toegevoegd aan een al bestaande strategie naar meer preventie. Het kan echter ook zo zijn dat gebruik van data leidt tot radicale (disruptieve) veranderingen. Denk dan bijvoorbeeld aan preventieve strategieën voor overlastbestrijding, die zich richten op nieuwe voorzieningen die een wijk in de toekomst nodig heeft.

De onderstaande figuur geeft de verschillende vormen van publieke meerwaarde goed weer:

Publieke meerwaarde 1. Realiseren van gezamenlijke positieve externe effecten 2. Mitigeren van gezamenlijk ervaren negatieve externe effecten

Inputoptimalisatie

Procesoptimalisatie

Opbrengst is een slimme overheid die haar middelen beter inzet om dezelfde of betere diensten te verlenen

Opbrengst is een slimme overheid die haar werkprocessen verbetert in termen van sneller en selectiever ingrijpen naar omvang

Productvernieuwing Overheid zorgt voor nieuwe informatie die de samenleving zelf kan omzetten naar publieke meerwaarde Bestaande producten worden vernieuwd voor betere aansluiting

Efficiency in brede zin

Effectiviteit in brede zin Figuur 2. Schematische weergave publieke meerwaarde m.b.v. datasturing

27

Vaak is er door datasturing tegelijk sprake van productvernieuwing en input/ procesoptimalisatie. Zo is er in het project van Volksgezondheid meer inzet van goedkopere zorgmethoden en van verschuiving van zorg naar preventie. Dat is in de huidige projecten van Utrecht goed terug te zien. In onderstaande tabel is een selectie van Utrechtse projecten weergegeven om aan te geven dat in Utrecht vaak sprake is van combinaties van typen meerwaarde.

VORMEN VAN MEERWAARDE PROJECTEN UTRECHT Inputoptimalisatie

Procesoptimalisatie

Productvernieuwing

Slim detecteren van Zwartwerken; gerichter inzet vanuit frontwerkers

Slim detecteren van Zwartwerken door gerichtere interventies

Open Data Platform

Het Korte Termijn Systeem Sociaal Domein (KTSD): monitoring van hulpvragers

Het Korte Termijn Systeem Sociaal Domein (KTSD): monitoring van hulpvragers

Dynamisch Data Dashboard: nadruk op effectiviteit van de interventies

Informatiegestuurde gerichter interventies weesfietsen aanpak Kanaaloptimalisatie publieksdienst­ verlening

Kanaaloptimalisatie publieksdienstverlening

Informatiegestuurd toezicht en handhaving van overlast in wijken met betrokkenheid handhavers bij keuze interventies

Informatiegestuurd toezicht en handhaving van overlast in wijken; gerichter en tijdiger interventies

Opname van mobiliteitsdata in een centrale database

Volksgezondheid: de gezonde wijk-aanpak met selectie input zorgpersoneel

Volksgezondheid: de gezonde wijk-aanpak; aanpak op maat

Volksgezondheid: de gezonde wijk-aanpak; nieuwe zorgproducten en gezonder mensen

Tabel 2.

3.3

Meerwaarde laten zien

Datagedreven sturing moet zich bewijzen in termen van meeropbrengst. Meerwaarde laten zien kan al eenvoudig door aan te geven hoe in het arrangement input, throughput, output en outcome gaan veranderen. Niet heel spannend maar wel behulpzaam is om hier een reguliere businesscase voor te maken. Het doel van zo’n businesscase is om de verandering in kosten af te zetten tegen de opbrengsten in output en outcome. Hoe exploratief een proces ook is, bij het opzetten van een project is het wezenlijk om deze balans tussen kosten/lasten en de opbrengsten/ publieke waarde goed aan te geven.

Redeneer vanuit een resultaat Datagedreven sturing heeft het risico te technisch te worden. We spreken dan over big data alsof dat het doel is! Het eigenlijke doel is om een publiek probleem op te lossen en datasturing is het middel om dat effectiever, efficiënter en meer legitiem te doen. Als we geen koppeling kunnen maken tussen doel en middel (of als we elkaar daarover niet begrijpen) is de kans klein dat we tot een werkende oplossing komen.

28

Het risico van deze nadruk op een businesscase is dat we teveel gaan redeneren in geld. We weten binnen de overheid echter al lang dat publiek resultaat niet alleen in geld uit te drukken is. Een meer verfijnde aanpak vinden we in het begrip Public account van Mark Moore. In deze balans van positieve en negatieve opbrengsten komen ook moeilijk meetbare zaken als draagvlak en neveneffecten naar voren. Zo’n benadering levert een rijke argumentatie op om de projectopzet te ondersteunen. Redenerend vanuit deze invalshoek zou het team in staat moeten zijn om het onderstaande schema in te vullen voordat wordt bepaald of een vernieuwing (in dit geval met datagedreven sturing) zin heeft. Voor Utrecht wordt het de komende periode belangrijk om op een dergelijke scherpe manier vanuit publieke meerwaarde te blijven redeneren. KOSTEN

OPBRENGSTEN

Kosten productie

Baten productie

Negatieve neveneffecten

Positieve neveneffecten Draagvlak; omgeving autoriseert

Tabel 3.

Foto, Marnix Schmidt

DE ORGANISATIE Foto: Jan Lankveld

E

31

4 Het arrangement waarin we resultaten behalen 4.1 Inleiding Realiseren van publieke meerwaarde door datagedreven sturing houdt dus in komen tot betere oplossing voor concrete, publieke vraagstukken. Dat werken aan publieke vraagstukken doen we in arrangementen. Met een arrangement bedoelen we het geheel aan meer of minder formele afspraken en structuren die rond één vraagstuk zijn opgezet. In de praktijk werkt de gemeente in verschillende soorten arrangementen. In dit hoofdstuk bespreken we de verschillende arrangementen en gaan we in op de betekenis van datagedreven sturing voor deze verschillende arrangementen. 4.2

Soorten arrangementen

Een belangrijke vraag is of een project gericht is op het versterken van de ‘slimme stad’ met een open benadering of op het als overheid zelf sterker sturen vanuit beter inzicht (waarbij ook combinaties van deze benaderingen mogelijk zijn). Die keuze voor beheersing of activering zal mede afhankelijk zijn van het arrangement waarin de vergroting van publieke waarde door datasturing plaatsvindt. In het ene soort arrangement ligt een rol gericht op beheersing meer voor de hand dan in een ander arrangement. Voor elk project van datagedreven sturing is het daarom relevant goed te kijken naar het soort arrangement waarop het betrekking heeft.

32

De verschillende soorten arrangementen laten zich op hoofdlijnen goed duiden door te kijken naar de rol die de overheid erin vervult. In de rol van producent, opdrachtgever of toezichthouder (controleur, handhaver) is al snel sprake van gerichtheid op de vergroting van het eigen handelingsrepertoire (meer gericht op beheersen).Terwijl als facilitator, maar ook in veel gevallen als co-producent, het makkelijker past om samen met de slimme stad initiatieven te ontwikkelen. Initiatieven die vanzelfsprekend moeten leiden tot de gewenste publieke meerwaarde. Een cruciale vraag bij het bouwen van een datagedreven arrangement is dus hoe ‘instrumenteel’ of juist hoe ‘open’ fases van een dataproces moeten zijn om met zo min mogelijk middelen zoveel mogelijk resultaat te behalen (waarbij het betrekken van de stad en het vergroten van participatie ook op zichzelf een doel is). De Utrechtse praktijk laat zien dat het vaak gaat om een combinatie van het versterken van de stad en het optimaliseren van het eigen handelingsrepertoire van de overheid. In de huidige projecten zien we dat zowel sprake is van het verschuiven van de eigen interventies passend bij het verschuiven naar de rollen van facilitator en co-producent. Bij het verschuiven gaat het vaak om het vergroten van de mogelijkheden voor partners om zelf publieke meerwaarde te realiseren.

Publieke meerwaarde Niets doen

Facilitator

Toezichthouder

Regisseur

Opdrachtgever

Coproducent

Producent

Arrangement

1. De slimme stad

• Waarde primair toegevoegd door bedrijven, middenveld en burgers • Stimulans door publieke voorzieningen van data, toepassingen (techniek) en gebruikelijke incentives. • Artificiële itelligentie

2. Het slimme bestuur

• Waarde primair toegevoegd door gemeente zelf • Vanuit vraagstukken en beschikbare data sturingsinformatie destileren en bewijsgedreven hebben • Artificiële intelligentie.

Figuur 3. Overzicht van mogelijke rollen en interactiepatronen

4.3

Verschuivingen in rollen en interventies door datagedreven sturing

Het handelen op basis van betere kennis leidt er in Utrecht vaak toe dat de eigen interventies van de overheid versterkt worden of verschuiven en dat daarmee door datagedreven sturing patronen en verhoudingen in een arrangement veranderen. Daarbij wordt de overheid steeds meer partner in een netwerk en steeds minder zelf de enige “producent” van publieke meerwaarde. We hebben deze beweging van het schuiven tussen interventies geïllustreerd met enkele voorbeelden uit de praktijk.

33

Intensiveren eigen interventies en verschuiven naar andere rollen In de projecten in Utrecht zien we een breed spectrum van professionele praktijken/interventies om de gewenste soorten meerwaarde te realiseren. De centrale vraag is steeds: tot welke interventies leidt de beschikbare kennis? We onderscheiden de volgende bewegingen: 1. Intensivering controle en handhaving door uitkomsten analyse. Het rondje door de wijk wordt aangevuld met een datagestuurde route, waardoor werkprocessen worden geoptimaliseerd. Dit is bijvoorbeeld terug te zien bij de informatiegestuurde weesfietsen aanpak. De gemeente intensiveert hier de rol van toezichthouder; overigens in andere projecten vaak in co-productie met andere toezichthouders. 2. Meer preventie door inspelen op waargenomen en verwachte problemen. Door geavanceerde data-analyse wordt ontdekt dat lease-auto’s veel vaker subject zijn van een kraak. Dit biedt aanknopingspunten voor preventieve interventies. Van toezichthouder naar co-producent met de leasemaatschappijen. 3. Subtiel beïnvloeden door nudging. Nadenken met behulp van data over hoe gewenst gedrag aantrekkelijk gemaakt kan worden, bijvoorbeeld het netjes parkeren van je fiets in een fietsenrek of het mijden van drukke verkeersroutes. Van toezichthouder wordt de gemeente hier meer (co) producent van gewenst gedrag. 4. Dialoog en bouwen aan een gemeenschappelijk beeld van de situatie door kennis beschikbaar te stellen. Door data open te stellen wordt kennis van iedereen en kan in dialoog een gezamenlijk beeld ontstaan van publieke vraagstukken en mogelijke oplossingen. Het Open Data Platform werkt met veel enthousiasme aan deze ontwikkeling door datasets open te stellen en rondom diverse publieke vraagstukken dialoog te initiëren. Ambitie is om samen met de stad oplossingen te bedenken voor concrete vraagstukken. De overheid intensiveert hier de faciliterende rol. 5. Beter in staat stellen tot zelfredzaamheid. Openheid geeft de inwoners ruimte om zelf data te gaan beheren. Zo is de werkwijze van de buurtteammedewerker om met behulp van het KTSD de hulpvrager zelf zicht te geven in en zijn/haar eigen dossier en (bewerkingsmacht te geven over) zijn eigen problematiek om zo de zelfredzaamheid te stimuleren. Van producent van hulp en toezicht wordt de gemeente hier meer co-producent en facilitator. 6. Beter faciliteren van eigen waardecreatie als bijdrage aan de innovatieve stad. Eigen beheer van het zorgdossier in combinatie met betere (vanuit kennis op maat gemaakte) en vindbare zorg stelt mensen in staat hun eigen weg te vinden, wat minder kosten met zich mee zou moeten brengen. In de toekomst kan in combinatie met Quantified Self-data en gemeentelijke databronnen samen tot nog meer waardecreatie gekomen worden. De rol van de gemeenten schuift hier van meer co-producent naar die van meer facilitator.

34

Leren met professionals Professionals in de uitvoering hebben zeer veel kennis van de praktijk: zij weten vaak precies wat wel, maar vooral ook wat niet werkt. Met behulp van datagedreven sturing is Utrecht in staat om de professional hierin beter te ondersteunen en samen met de professional het gesprek aan te gaan om verbeteringen in de dienstverlening te kunnen volgen. Een voorbeeld hiervan is hoe gezamenlijk met zorgprofessionals, zoals de huisartsen, gesproken wordt hoe dienstverlening aan kan sluiten bij ontwikkelingen in een wijk. Een ander voorbeeld is hoe wijkprofessionals met de gemeente spreken over welke toezichtcapaciteit waar Veranderende rol van de overheid

ingezet moet worden.

in het sociaal domein In het sociaal domein kan de buurt­­

4.4

teammedewerker met behulp van

Bewust sturen op het activeren van het netwerk door open dataprocessen

het KTSD-systeem het ondersteu-

De verschuiving van interventies gaat dus vaak samen met verandering in de

ningsplan van de burger monitoren en

arrangementen zelf. We zien bijvoorbeeld in het arrangement rondom volksgezond-

bijsturen. Het systeem bevat onder

heid dat de overheid meer dan eerst de rol vervult van co-creator en facilitator. Het

meer de meest actuele informatie

lijkt vanzelfsprekend dat in een arrangement van co-creatie of faciliteren eerder

over de zorgbehoefte, interventies,

sprake is van het beschikbaar stellen van data en het vergroten van de handelings-

belangrijke contacten en de ontwik-

mogelijkheden van de stedelijke partners. Omgekeerd lijkt het vanzelfsprekend dat

keling van de cliënt. Deze rijke en

in een arrangement waarin de overheid producent is de datagedreven sturing zich

dynamische dataverzameling maakt

meer richt op het (gesloten) verbeteren van de eigen interventies. Toch is dat een

het voor de buurtteammedewerker

te eenzijdig beeld. Toezicht kan immers ook juist verbeteren als door transparantie

mogelijk om handig en lenig te kun-

de samenleving en/of private organisaties betrokken worden en als mensen op hun

nen schakelen tussen interventies,

gedrag worden aangesproken!

variërend van het stimuleren van de zelfredzaamheid tot het inschakelen

In Utrecht staat het vergroten van de handelingsmogelijkheden van de overheid en

van professionele hulp.

de stad voorop. Daarom is het belangrijk dat teams in elk project aangeven welke verschuiving en intensivering beoogd is en hoe dat samenhangt met de (slimme

Versterkte rol van de overheid in

combinatie tussen) de gekozen ‘open procesbenadering’ (partners in staat stellen

andere projecten

tot) en de meer ‘gesloten procesbenadering’ (beheersing).

In veel van de verhalen komt terug dat de bestaande rol van de over-

4.5

heid niet drastisch verandert, maar

De keuze voor meer open omgang in de fases van een dataproces moet geen naïeve

wel beter (efficiënter en effectie-

keuze zijn. In het arrangement zullen alle partijen immers bij hun eigen belang

ver) uitgevoerd kan worden door

stilstaan. Dat zal de komende jaren steeds meer effect hebben op welke informatie

datagedreven sturing. Aangegeven

ter beschikking wordt gesteld en op hoe informatie gebruikt wordt.

Omgang met reflexief gedrag

wordt dat er mogelijk wel veranderingen gaan optreden, maar in dit

Die constatering volgt uit een bekende dynamiek. Naarmate het handelen van de

prille stadium is dat nu nog niet aan

overheid meer bekend is, zullen een aantal andere belanghebbenden in toenemende

de orde. Zo verandert er in eerste

mate strategisch gedrag gaan vertonen. Eenzelfde soort dynamiek is te verwachten

instantie bijvoorbeeld weinig aan de

wanneer belanghebbenden zien dat gebruik van hun data en analyses leidt tot

uitvoerende rol van de gemeente

(bijvoorbeeld) minder of meer geld. Of wanneer criminelen doorkrijgen dat de

door het VTH-weesfietsen project.

politie handelt op basis van voorspelbare patronen. Nu al is zichtbaar dat andere

Al wel duidelijk worden mogelijkhe-

actoren in een arrangement soms met eigen analyses komen (die niet altijd

den voor meer advisering richting

overeenkomen met de analyses van de gemeente) of alleen bepaalde data willen

andere afdelingen door relevante

afstaan.

informatieverzameling.

35

Reflexief gedrag Op het moment dat je data openstelt die je gebruikt voor controle en handhaving, kan dit leiden tot reflexief gedrag. Reflexief gedrag betekent dat mensen zich bewust zijn van de strategie van de overheid en hun handelen hierop aanpassen. Reflexief gedrag gaan we zien (en zien we soms al) bij partijen die tegengestelde belangen hebben en/of andere opvattingen hebben over hoe het gezamenlijk belang te realiseren. Daar moet je bij het inrichten van de samenwerking rekening mee houden. Niet zonder meer alles open of gesloten houden, maar nagaan wie in het arrangement aan eenzelfde oplossing werken en eensgezind zijn over hoe dat het beste kan.

4.6

Kiezen voor open en gesloten arrangementen

Ondanks dat het geen wet van meden en perzen is, zal de inrichting en vormgeving van het arrangement ook sterk afhangen van de relatie met de partners die bij het vraagstuk betrokken zijn. Is sprake van gezamenlijk optrekken vanuit gemeenschappelijke belangen in een arrangement van co-creatie of is het doel om te faciliteren? Dan zal het aansluiten van externe partners vaak alleen maar synergetisch werken. Sterker: delen met externe partners kan de voornaamste inzet zijn in de jacht naar publieke meerwaarde. Bij het project Volksgezondheid blijkt bijvoorbeeld dat de betrokken partners de voortzetting van het project en de verbeterde werkwijze grotendeels zelf in handen nemen. De gemeente krijgt door co-creatie op dat gebied dus een meer faciliterende rol. Een wezenlijke verschuiving van rol en soorten interventies. Effectiever, goedkoper en passend bij de ambitie van verschuiving naar maatwerk en preventie. Het kan ook anders zijn. Als er sprake is van stevige controle en handhaving, dan zal juist de toegang tot de uitkomsten van de analyses gereguleerd zijn. Belangen van de controleur en de te controleren partij lopen immers uiteen. Om strategische omgang met de kennis te neutraliseren, is de toegang dan vaak zoveel mogelijk beperkt tot de partijen met hetzelfde belang. Fraudeurs moeten immers niet kunnen zien welke analyses de overheid maakt om fraude te bestrijden. Afhankelijk van de rol en de beoogde publieke meerwaarde zal de aard van de sturing dus variëren van meer open tot meer gesloten en beheersend. De kunst is om hier steeds een bewuste afweging in te maken.

HET MANAGEME EN DE STURING Foto: Bert Spiertz

ENT

37

5 De werkpraktijk

5.1 Inleiding Utrecht zit bij de projecten voor datasturing nu nog vooral in de rol van (co-)producent en opdrachtgever en is dan vaak een centrale actor in het arrangement. Een uitzondering is het Open Data Platform. Tegelijk worden in de projecten allerlei kansen gezien om naar minder centrale rollen te schuiven, vooral door met betere kennis samenwerking en zelfredzaamheid te stimuleren. In Utrecht wordt daar in sommige projecten al bewust op gestuurd. In andere projecten zie je deze manier van denken nu nog minder terug. Datagedreven sturing verandert daarmee de dagelijkse werkpraktijk. Er wordt anders gewerkt en anders gestuurd. In dit hoofdstuk gaan we hier op in. 5.2

Over sturing en werkpraktijken

Voor goed begrip leggen we eerst uit wat we onder de begrippen sturing en werkpraktijk verstaan. Sturing definiëren wij als de wijze waarop betrokken partijen in een arrangement richting geven aan het samen resultaat behalen. De klassieke wijze van overheidssturing is natuurlijk hiërarchische sturing. Als we spreken over datasturing hebben we het echter veel vaker (maar niet uitsluitend) over een vorm van netwerksturing. Sturing die gaat om wederzijds beïnvloeding en het samen bouwen aan een resultaat. Zie bijlage 2 voor een nadere toelichting op de bestuurskundige inzichten die hierachter schuilgaan. Met de term werkpraktijk bedoelen we de wijze waarop het dagelijks werk uitvoering krijgt.

38

In dit hoofdstuk staan we stil bij de vraag in hoeverre het reguliere werk onder invloed van datasturing verandert. Deze term gaat verder dan hoe je de dagelijkse werkzaamheden uitvoert. Het gaat bijvoorbeeld ook om met wie je werkt, hoe je besluit en hoe je kennis deelt. 5.3

Datagedreven sturing betekent meer exploratief werken en sturen

Datagedreven sturing is gericht op het krijgen van kennis (hypotheses) over hoe efficiënter en effectiever kan worden gehandeld (en hoe daarmee meer draagvlak kan worden gerealiseerd). Terecht wordt gesteld dat de verkregen kennis vaak niet veel waard is zonder een gedeelde interpretatie en duiding van de betrokken partijen. Het gaat bij datagedreven sturing dus niet alleen om het vergaren van kennis, maar ook om duiding door ambtenaren in onderling samenspel met partners. Datasturing is niet alleen een technisch verhaal; het is onderdeel van een bredere arena waarin actoren zich tot een concreet vraagstuk tot elkaar verhouden. Omdat datagedreven sturing in essentie gaat om het beter beheersen en innoveren op basis van met data-analyse verkregen kennis, is het proces van datagedreven sturing per definitie zoekend van karakter. Door in te zetten op datagedreven sturing wordt dus ingezet op een meer exploratieve strategie bij oplossen en managen van problemen. Naarmate datagedreven sturing meer in het hart van het Utrechtse werk komt, ontstaat meer en meer een gezamenlijke en constante zoektocht naar de optimale definiëring van en oplossing voor het vraagstuk dat aan de orde is. Dat vergt ook een op exploratie gerichte werkwijze, waarin de actoren met elkaar open staan voor nieuwe inzichten en innovaties. Om de mogelijkheden van datasturing te benutten, is kennis nodig van het probleem, van de betrokken partners, van databestanden en van mogelijke analyses. Omdat kennis over die aspecten steeds verandert, is het cruciaal om samen met partners te blijven leren: hoe ontwikkelt het probleem zich en wat betekent dat voor ons handelen? In de onderstaande tabel geven we de kenmerken van een dergelijke werkwijze weer.

EXPLORATIEVE STRATEGIE

BLAUWDRUKSTRATEGIE

Primaire bestuurlijke focus

• Zoeken naar resultaat van interactie tussen uitvoeringslogica, empirische inzichten en bestuurlijke wil

• Op voorhand formuleren van concrete doelen die de uitvoering moet realiseren

Focus werkwijze

• Kansrijke situaties zoeken en daarna selectief stimuleren • Steeds verbinden van perspectief aan uitkomsten

• Doelen vertalen in een algemeen geldend uitvoeringsprogramma • Gewenst resultaat monitoren

Structuur

• Zoeken naar passende mechanismen voor het maken van keuzes • Procedurele afspraken over hoe met botsingen om te gaan • Verdere structuur en bemensing georganiseerd naar behoefte van besluit

• Vaste routine voor het maken van keuzes en conflictbeslechting • Vaste structuur en bemensing

Resultaten

• Gericht op verschillen

• Gericht op standaarden

Tabel 4. Bron: Van Delden, 2009, amendering door Berenschot.

39

Van belang is dat bij een heel gesloten benadering van datagedreven sturing dit exploratieve karakter wel iets van zijn aantrekkelijke karakter verliest. Nog steeds is er sprake van zoeken en ontdekken, maar dan wel gericht op de handelingsmogelijkheden van één of een beperkt aantal actoren. Zo’n exploratieve werkwijze (inclusief de interactie in de netwerken) heeft voor de sturing en werkwijze van professionals in een concreet project ingrijpende gevolgen. We benadrukken twee gevolgen: 1) de samenwerking verandert en 2) de relatie met management en bestuur en politiek verandert. 5.4

Veranderingen in de (ambtelijke) samenwerking

In het arrangement zal dus ruimte (‘een plek’) moeten zijn waar analyses tot stand komen, waar gezamenlijk geïnterpreteerd wordt. Binnen zo’n ‘leerschool of kennisorganisatie’ (vaak niet formeel vormgegeven) kunnen de betrokken partijen vanuit de analyses tot (gezamenlijke) handelingsperspectieven komen en tot interventies besluiten.

Structuur waarin keuzes worden gemaakt

Interpetratie van kennis

Beschikbare Kennnis

Partners die het eens zijn Definiëren en alloceren van overheidsinterventies

Figuur 4. Hoofdpatroon van samenwerking

Een goed functionerende leerschool vereist goede samenwerkingsrelaties, vaak over de bestaande afdelingen heen. Juist over de traditionele kokers heen zijn dikwijls de meest interessante analyses te maken. Denk bijvoorbeeld aan het koppelen van data op de kruispunten van beheer, veiligheid en jeugdzorg. In de functionerende arrangementen leidt datagedreven sturing (inclusief alle vaardigheden die daarbij horen, zie daarover ook hoofdstuk 9) dus tot een veel meer zoekende, samenwerkingsgerichte data/kennisgedreven werkwijze. Dat vereist de juiste faciliteiten en een cultuur die daarop gericht is. Het is belangrijk dat deze aspecten in de innovatiestrategie geadresseerd worden. Daarover staat meer geschreven in respectievelijk hoofdstuk 8 en 10.

40

Kennisorganisatie en leerschool voor gezamenlijke interpretaties Datagedreven sturing definiëren wij voor Utrecht als volgt : “Datagedreven sturing is het (gezamenlijk) handelen op basis van kennis, die tot stand is gekomen door op slimme wijze bestaande data te koppelen, waardoor zicht ontstaat op verstandig handelen”. • Uit alle verhalen blijkt dat Utrecht werkt aan de versterking van de kennisfunctie. Het verhaal kan versterkt worden door ook naar een plek voor leren te verwijzen. • In projecten als Toezicht waarin op basis van uitkomsten met politie afstemming over wenselijke interventies plaatsvindt, is de zoekende, samenwerkingsgerichte, interpretatieve werkwijze al sterk terug te zien. Daar is zo’n plek voor duiding georganiseerd. • De nadruk op niet naïef zijn en aandacht hebben voor strategisch handelen (reflexiviteit), geldt natuurlijk ook in deze exploratieve werkwijze.

5.5

Veranderingen relaties met management, bestuur en politiek

De exploratieve werkwijze vereist ruimte om steeds snel te kunnen inspelen op uitkomsten van de analyses en op wat andere partijen met de uitkomsten van die analyses willen. Dit snel kunnen inspelen zal alleen maar toenemen naarmate we beter in staat zijn om realtime te monitoren of zelfs te voorspellen. De vraag is hoe dit de formele ambtelijke en politieke besluitvorming beïnvloedt. In dit verband wordt wel onderscheiden naar de klassieke beleidscyclus (hieronder het rationele model), het zogenaamde stromenmodel en het rondenmodel. Victor Bekkers vat die verschillende modellen voor besluitvorming als volgt samen.

MODEL/ VERONDERSTELLING

RATIONELE MODEL/KLASSIEKE BELEIDSCYCLUS

STROMENMODEL

RONDENMODEL

Criteria voor het uitleggen van volgtijdelijke activiteiten

Stadia van logisch opeenvolgende activiteiten, geordend vanuit het perspectief van de beleidsvoerende organisatie

Drie gelijktijdig bestaande stromen van actoren, oplossingen en stromen die hun eigen ontwikkeling doormaken

Simultane reeksen van beslissingn door actoren die in interactie tot voortgang in beleidsronden leiden

Typering van beleidsprocessen

Sequentie van ontwikkeling, bepaling, uitvoering en evaluatie van beleid

Reeks van toevallige of georganiseerde koppelingen tussen deze stromen

Interactie tussen beslissingen van verschillende actoren

Assumpties over voortgang

Op een zeker moment wordt het beleid vastgesteld, zodat vervolgactiviteiten kunnen plaatsvinden

De stromen ontwikkelen zichzelf; koppelingen bepalen en wijzigen het beleid

Beslissingen die een ronde afsluiten en/of een ronde entameren creëren vooruitgang

Assumpties over de inhoud van een proces

De beleidsvoerende organisatie adopteert een maategevend probleem als een opdracht tot beleidsontwikkeling en ontwikkelt vervolgens een oplossing, waardoor inhoud ontstaat

Dynamiek in en koppeling tussen stromen bepalen of beleidswijzigingen tot stand komen

Wederzijdse afhankelijke actoren nemen beslissingen die in interactie inhoud tot stand brengen

Tabel 5. Bron: Bekkers, 2007.

41

De exploratieve werkwijze leidt ertoe dat de meer reguliere programmering en politieke besluitvorming volgens de klassieke beleidscyclus steeds meer slechts een formeel moment wordt voor bevestiging van de voortgang die er is (of juist een gebrek daaraan). Het lijkt er op het eerste gezicht op dat het stromenmodel wat meer dominant wordt. Er vindt immers door datasturing voortdurend koppeling plaats van oplossingen voor publieke meerwaarde en met de betrokken actoren in het arrangement. Het stromenmodel kenmerkt zich echter door een grote mate van stuiten op incidentele kansen, van opportuniteit. De exploratieve werkwijze leidt er veel meer toe dat er een voortdurende en systematisch georganiseerde zoektocht is naar nieuwe kansen voor publieke meerwaarde, samen met partners. Er is met datagedreven sturing dan ook eerder een beweging zichtbaar waarin het cyclische of rationele model van besluitvorming plaats maakt voor een rondenmodel (zie Bekkers, 2007). In dit model moeten betrokken partijen na elke ronde min of meer formeel instemmen met de voortgang in de interpretatie van problemen en oplossingen. Zo formuleren ze steeds een handelingsperspectief dat daaruit volgt. Het is belangrijk om reeds in het ontwerp van een arrangement goede afspraken te maken over hoe met deze vorm van besluitvorming moet worden omgegaan. Denk daarbij aan regelmatige consultaties of goede mandatering. Als zulke mechanismen voor besluitvorming ontbreken is het lastig om tot resultaat te komen. In Utrecht zien we dat de politiek dit karakter van de datagedreven projecten begrijpt. Politiek (en management) willen sturen op hoe gezocht wordt naar nieuwe kennis en oplossingen, maar vragen niet op voorhand om harde definities van het precieze resultaat. Er wordt ook vooraf geld beschikbaar gesteld zonder dat die harde definities er zijn; er is ruimte voor exploratie. Tijdens het exploratieve proces worden politiek en management op de hoogte gehouden aan de hand van resultaten en voorbeelden, zodat ze het project steeds daarop kunnen beoordelen. De traditionele sturingscyclus is daarmee niet weg, maar in rondes buiten het ritme van die cyclus om worden steeds resultaten geïnterpreteerd en nieuwe stappen bepaald. Het laatste woord over de invloed van meer datagedreven sturing en de exploratieve werkwijze op de ambtelijke en politieke besluitvorming is daarmee natuurlijk niet gezegd. En de ontwikkeling is ook zeker niet eenduidig. De hier geconstateerde verschuivingen in besluitvorming passen in een breder debat met verschillende loten als versterking burgerkracht en veerkracht (maatschappelijke kracht) versus bestuurskracht (kracht overheid). De hiervoor uiteengezette benadering van open datasturing past in zo’n ontwikkeling naar meer maatschappelijke veerkracht, maar de mogelijkheden van een heel gesloten aanpak passen juist meer in een benadering naar meer bestuurskracht. Ook bij die gesloten benadering is er systematisch zoeken om het handelen effectiever te maken en ook daar past de beleidscyclus minder goed bij. Daar zal dan vooral druk ontstaan vanuit de ambtelijke organisaties tot snel mogen handelen om kansen te pakken. Dit is ook een rondenmodel maar wel met een beperkt aantal actoren. Onze constatering is zoals gezegd dat in de praktijk van de projecten een dominante ontwikkeling naar meer open is, zowel van data­ productie en van interpretatie als van toepassing. Het blijft echter een ontwikkeling met ambiguïteiten en spanningen. Hoe kan het ook anders!

42

5.6

Concluderend: explorerend, maar wel gericht op lange termijn

Utrecht heeft nu in haar strategie de keuzes gemaakt voor een exploratieve werkwijze gericht op het aanpakken van concrete vraagstukken. Tussen die projecten wordt dan nadrukkelijk de verbinding gezocht. Bij die projecten ligt soms de nadruk op de korte termijn, met een meer gesloten benadering die gericht is op een meer effectief beleid en op meer beheersing. Maar in Utrecht is juist (vaak) ook het langere termijnperspectief aan de orde. Dat perspectief is vooral gericht op het realiseren van meer openheid en participatie in de stad. Dat zien we in het lange termijn streven naar: zz

Eerlijk door minder fraude

zz

Zelfredzaamheid bevorderen

zz

Participatieve samenleving

zz

Innovatieve stad.

De verhouding tussen korte en lange termijn is in de projecten rondom datagedreven sturing nog volop in ontwikkeling. Het is hoe dan ook altijd de kunst om het korte termijn momentum te benutten binnen het lange termijn verhaal. Dat betekent dat een projectteam nadrukkelijk die lange termijn moet afzetten tegen de actuele mogelijkheden van data-analyse en sturing. Het management en de politiek zullen met het oog op de lange termijn steeds betekenis moeten geven aan actuele ontwikkelingen (het waarderen) en moeten kiezen wat dat betekent voor hoe en wanneer ze ontwikkelingen stimuleren.

Het verhaal van bouwen aan datagedreven sturing

Hoofdstukken over hoe te werken aan een data­gedreven arrangement Foto: Harrie Wilkens

HET BOUWEN Foto: Ruth Catsburg

45

6 Een datagedreven arrangement maken 6.1 Inleiding In de vorige hoofdstukken ging het vooral over wat datagedreven sturing betekent in een werkend arrangement. Dat arrangement moet echter ook nog gemaakt (ontworpen) en geïmplementeerd worden. Daarom gaan we in dit hoofdstuk in op het bouwproces van een datagedreven arrangement.

46

6.2

Fasering in een bouwproces

Om datagedreven sturing van meerwaarde te laten zijn op een vraagstuk moet een team een ontwerp maken, implementeren en uiteindelijk ook evalueren. Het bouwproces van maken, implementeren en evalueren kent dus altijd verschillende fases. Meestal is de fasering van zo’n bouwproces als volgt opgebouwd (zie: Kokx, Wesseling en Sonneschein, 2014): 1. Agenda. Eerst een agenda die duidelijkheid geeft over het vraagstuk dat voorligt en de wijze waarop datasturing kan helpen om een concrete publieke (meer) waarde te realiseren 2. Strategie. Dan een strategie die meer exact beschrijft hoe met datasturing het vraagstuk is op te pakken en natuurlijk wat voor een publieke (meer)waarde hiermee te realiseren 3. Plan. Vervolgens een uitgewerkt plan dat duidelijkheid geeft over inrichting van het arrangement zoals in de voorgaande hoofdstukken besproken, met specifieke afspraken over de sturing (mandaat, consultatie etc.) 4. Ontwerp. Tot slot een ontwerp met het besluit dat uit te voeren. In de achterliggende ‘’reguliere fases’’ volgen het implementeren en het evalueren van het project. Het aardige van de exploratieve werkwijze die Utrecht volgt, is dat er vaak eerder sprake is van verbouwen dan van nieuwbouw. Anders gezegd: het werk gaat gewoon door naast het (ver)bouwproces. De zojuist onderscheiden fasen gaan dan vaak meer door elkaar heen lopen. Deze werkwijze heeft vele voordelen, zoals het snel kunnen testen van een eerste resultaat van het ontwerp. Deze prototypische manier van werken lijkt op de populaire agile-methode uit de software-industrie. Een ander voordeel is het dicht bij de lopende praktijk blijven en daarom snel kunnen terugkoppelen naar betrokken professionals.

Voorbeeld: Datalab Utrecht In het Datalab Utrecht werkt men volgens een prototypische aanpak. Kort houdt dat het volgende in: een (beleids)afdeling kan een vraag voorleggen aan het datalab. De mensen van het datalab gaan nadenken over een mogelijke datagestuurde tool die kan helpen en ontwikkelen een prototype. Het prototype wordt voorgelegd aan de medewerkers die ermee moeten werken met de vraag: helpt dit jullie? In interactie wordt de tool stap voor stap praktijkklaar gemaakt.

Er zijn echter ook risico’s verbonden aan die werkwijze: in de eerste fase van het testen kan het zicht op het probleem en de mogelijke oplossingen nog niet scherp genoeg zijn en kunnen tegengestelde perspectieven onderhuids een rol spelen zonder zichtbaar te worden. Ook het risico dat bouwen en implementeren in de praktijk door elkaar gaan lopen, is groot. Voor het bouwen en implementeren zijn geregeld andere mensen nodig en moeten er aparte besluiten worden genomen. Zo’n werkwijze van trial and error, waar het bouwproces en werkproces door elkaar heen lopen, kan goed zijn. Zolang men maar bewust is van de werkwijze en dit niet tot onvoorzienbare kostbare fouten leidt. het kan helpen analytisch steeds goed te onderscheiden met welke verschillende processen het team bezig is. Wat is het team aan het maken, wat is het team aan het implementeren en hoe is het bezig met het produceren van publieke waarde? Door zo te redeneren is het ook bij vermenging van processen goed mogelijk aandacht te blijven besteden aan het bouwproces.

47

6.3

Kritische factoren in bouwarrangement

Een team dat systematisch bezig is met het (ver)bouwen, houdt bij elke fase van het

Voorbeeld: Ontwikkeling KTSD

bouwproces de kritische factoren in het oog. De kritische factoren in een bouwar-

Utrecht heeft hard gewerkt aan een

rangement zijn:

systeem dat buurtteams onder-

zz

Governance/arena. Heb ik de juiste mensen voor het maken van het ontwerp?

steunt bij het monitoren van de

zz

Governance/arena. Heb ik de juiste overlegstructuren (arena’s), met de goede

zorgbehoefte en de effectiviteit van

overlegtafels, met de bijbehorende bevoegdheden en regels?

interventies. Vanaf het begin staat

zz

Gerichtheid. Hebben we met elkaar voldoende gemeenschappelijke basis?

centraal dat het systeem alleen

zz

Kennis. Hebben we met elkaar de juiste agenda opgesteld voor het ontwikkelen

werkt als hulpverleners het systeem

van probleemdefinities en oplossingen en hebben we de benodigde kennis

ook echt goed kunnen gebruiken.

daarvoor in huis?

In alle stappen van de ontwikkeling

Procesvoering. Hebben we een traject om in coalitie met alle betrokken

zijn daarom buurtteammedewerkers

partijen tot besluiten te komen?

betrokken, tot aan het kiezen van de

zz

leverancier en de inrichting van de Zonder de juiste mensen die kunnen bouwen of die kunnen beslissen, komen we

interface toe.

niet ver in een bouwproces. Juist in deze fase moet aandacht zijn voor de specifieke kenmerken van een dataproject, zoals het snel willen ontwikkelen met prototypes. Hier heb je de middelen en het juiste mandaat voor nodig! Bij datasturing luistert dit nauw, mede omdat samenwerking binnen netwerken wezenlijk is voor succes. Met de juiste mensen en met goede overleg- en besluitvorming is succes echter nog

Voorbeeld: Handhavings­

niet verzekerd. In ieder geval moet de juiste kennis en informatie aanwezig zijn en

instrument Zwartwerken

dit moet resulteren in voorstellen om de datagedreven sturing te verbeteren. Deze

Het team dat zich bezighoudt met

ontwikkeling van kennis en oplossingen vindt in ieder project plaats. Het gaat

het opsporen en handhaven van

daarbij om de onderbouwing van de probleemdefinities en oplossingsrichtingen,

zwartwerkers in Utrecht zag het wel

om de daarvoor relevante informatie en kennis. Vaak ontbreekt zeker in het begin

zitten: datagestuurd werken. De ver-

van een bouwproces een deel van de benodigde informatie en kennis.

wachting was dat met data en het slim combineren van data heel ge-

Het verzamelen en ontwikkelen van kennis is dus van groot belang. Bij datasturing

makkelijk zwartwerkers konden wor-

met ingewikkelde analysevragen luistert het formuleren van de kaders voor

den getraceerd. In de praktijk bleek

kennisontwikkeling ook zeer nauw. De benodigde expertise en het kunnen delen

het echter helemaal niet makkelijk

van kennis moet daarbij voorop staan.

om databestanden te koppelen. Het lijkt er op dat een instrument ont-

Met de juiste ‘governance’ en goede ontwikkeling van kennis en oplossingen

wikkelen valide, meer uitgebreide

is echter nog geen succesvol bouwproces gegarandeerd. We weten allemaal dat

bestanden vereist. Wellicht zijn deze

besluiten niet alleen langs de weg van de kennis tot stand komen. Er is geen

te verkrijgen in samenwerking met

absolute waarheid. Partners hebben immers allen hun eigen perspectief en belang.

bijvoorbeeld andere grote steden.

Bovendien spelen sentimenten bijna altijd een grote rol.

48

Voorbeeld: Open Data Platform

De ontwikkeling van een gedeelde blik is dus cruciaal. Die gerichtheidsontwikkeling

Het succes van het Open Data Plat-

is wezenlijk en heeft diepe gronden van waarden, emoties en gewortelde inzichten.

form hangt af van de beschikbaar-

Zeker omdat bij datagedreven sturing grote belangen in het geding kunnen zijn.

heid van relevante data(bestanden). Het verkrijgen hiervan is nog niet

Stel dat het in de arena goed werkt. Voldoende kennis is aanwezig, er lijken goede

altijd makkelijk. Een groot deel van

oplossingen te zijn, en de betrokken partijen zijn betrekkelijk eensgezind. Zelfs dan

de tijd is de gemeente bezig partijen

is het geen garantie dat de bouw een succesvolle afronding kent. Er moet nog een

te stimuleren en overtuigen om deel

proces zijn waarin de benodigde coalitie- en besluitvorming plaatsvindt. Mensen

te nemen, waarbij het communi-

moeten hier bewust aan werken. Vanuit de governancestructuur en de aanwezige

ceren van de meerwaarde hierbij

kennis en gerichtheid ontstaat dan een dominant beeld over wat er moet gebeuren.

essentieel is. Juist in een open veld

De doorslaggevende groep die het (na onderhandeling) met elkaar eens is, noemen

waarbij deelnemen niet direct tot

we een coalitie.

zichtbaar resultaat leidt, vraagt het bouwen aan een arrangement (en

De werking van de verschillende aspecten in het bouwproces zijn te vatten in het

benodigde coalitie) investering en

volgende plaatje (Wesseling/Stolk, 2014):

) n e r u t s ( t n e m e g a n a m s e c o r P

overtuigingskracht.

Governance (inrichten)

Voorbeeld: Betere dienstverlening Publieke dienstverlening bestaat in Utrecht uit allerlei verschillende teams die onder meer bereikbaar Kennis (ontwikkelen)

zijn via de website, via de telefoon en op het stadskantoor. De klas-

Kansen en fixaties

Gerichtheid (leren)

sieke werkwijze is om op basis van eigen prestaties en rapportages te kijken hoe goed het gaat; per team, ieder met een eigen beeld. Deze

Besluiten

werkelijkheid komt echter vaak

Coalitie (onderhandelen)

niet overeen met het beeld en de ervaringen van de Utrechter. Men is hard aan het werk om tot een werk-

Figuur 5. Overzicht bouwproces

wijze te komen waarbij alle teams samen werken aan één doel: zo

6.4

goed mogelijke dienstverlening leve-

Een bouwproces is sterk afhankelijk van een goede procesvoering. Het is belangrijk

ren aan de Utrechter. Hieruit blijkt bij

om het ontwerpen - van agendering tot besluit - in de juiste stappen tot stand

uitstek het belang van gerichtheids-

te brengen, of anders gezegd, op een goede wijze te faseren. De betrokken

ontwikkeling om met datasturing tot

partners proberen meestal allen (bewust of onbewust) in samenhang te sturen

verbeteringen te komen.

op het bouwproces. Binnen een netwerk zijn vaak één of meerdere personen

Algemene lessen voor procesvoering: fasering

verantwoordelijk gemaakt voor deze procesvoering. De projectleider en het team moeten hierin fasering en afstemming kunnen aanbrengen en hanteren.

49

In exploratieve trajecten van datasturing is dat spelen met fasering een cruciale

Voorbeeld: Iteratief werken in

succesfactor. Hiervoor werd al gewezen op risico’s als ondoordacht aan het werk

Utrecht

gaan, het niet betrekken van de goede partners, en het doorduwen terwijl nog

In de projecten van datagedreven

onvoldoende draagvlak aanwezig is. Zo bestaan er meerdere voorbeelden van risico’s.

sturing in Utrecht is een van de

Een kansrijk project kan door slechte procesvoering alsnog in gevaar komen.

iteratieve werkwijze afgeleide vorm meestal een succesfactor. Denk aan

Uit bijna alle voorbeelden van projecten komt naar voren dat een team bij het

datagedreven toezicht waarbij met

bouwen in samenhang moet kijken naar de bovenstaande factoren. Is er geen

bestaande databestanden en een

sprake van de juiste kennisontwikkeling en zijn er geen goede oplossingen? Dan

gratis trialversie van het programma

is het ook moeilijker eensgezindheid of een coalitie te bereiken. Heb je niet de

Tableau relatief snel op iteratieve

juiste arena dan is bij de coalitievorming en besluitvorming onherroepelijk een

wijze tot de keuze is gekomen om

vraag naar de relevante partijen die ontbreken. Het is goed om deze samenhang tot

het systeem te gaan gebruiken.

uitdrukking te brengen bij het nadenken over hoe het project aan te vliegen.

Ook bij KTSD heeft een iteratieve werkwijze bijgedragen aan de be-

Een algemene les uit de datagedreven projecten is dat het verstandig is om op

trokkenheid van de eindgebruikers.

iteratieve wijze te werken aan behapbare resultaten. Daarbij is het de kunst om één

De ontwikkelaars begonnen met

concrete vraag (bijvoorbeeld de koppeling van twee bestanden) te stellen en van

een bepaald idee over wat de eind-

daaruit met alle aanwezige kennis en expertise een werkend resultaat te realiseren.

gebruiker zou willen, maar kwam er

In de softwarewereld is dit een veelgebruikte methode die gekenmerkt wordt door

in gesprek achter dat dit beeld niet

prototypes en de voor ons als buitenstaander vaak bekende bètaversies. Ook in de

juist was. In gesprek en samenwer-

agile/scrum methodieken zie je deze elementen van korte sprints met resultaat (die

king met de praktijk werd er aan

bijdragen aan een breder doel) terug.

een prototype gewerkt. Zelfs tot in detail: ‘die button moet van linksbo-

6.5

Lessen voor procesvoering: verstandig handelen bij knelpunten

ven naar rechtsonder’. Door middel

Bij procesvoering is het dus belangrijk om in de juiste fasering een arena in te

van visuals werd duidelijk hoe het

richten, kennis te ontwikkelen, te leren met elkaar en coalities te vormen. Dit

systeem eruit kwam te zien en wat

zijn elementen die steeds weer afstemming vereisen. Dat blijkt ook uit een aantal

de praktijk eraan zou hebben.

succesfactoren van de projecten in Utrecht. Kansen bij procesvoering Aansluiting bij al bestaande werkpraktijken. Het blijkt een succesfactor om met datasturing aan te sluiten bij bestaande werkpraktijken of in te passen in het huidige werkproces (anchoring innovation). Goed voorbeeld is de ontwikkeling van het KTSD-systeem waarbij telkens de link met de praktijk heel centraal heeft gestaan Veilige omgeving voor datadeling en analyse. Heldere procedures en verhoudingen zorgen voor bereidheid tot meewerken bij partners. Ervaring van het Open Data Platform is dat duidelijkheid daarover voorwaarde is voor interne spelers binnen de gemeente Utrecht om data te delen Vroegtijdige betrokkenheid van stakeholders. Bij de succesvolle projecten (zeker bij co-creatie) zijn de actoren die onderdeel uitmaken van de oplossing snel bij het proces betrokken. Bij het weesfietsenproject is dit telkens voor ogen gehouden. Welke informatie is er al aanwezig in de praktijk en hoe kunnen we dat makkelijk ontsluiten? Delen van eigenaarschap. In een aantal netwerken helpt het als de gemeente faciliteert, niet dicteert. In het volksgezondheid-project in Overvecht neemt de gemeente duidelijk deze meer bescheiden rol in, waardoor andere organisaties veel meer ruimte krijgen om ook hun bijdrage aan meer gezondheid tegen lagere te kosten te ontdekken

50

Dat proces gaat lang niet altijd goed. We kunnen leren van de opgedane ervaringen bij andere datasturingsprojecten. Er is in het algemeen veel bekend over de knelpunten bij het bouwen. We hebben de knelpunten bij de dataprojecten geordend naar wat we tegenkwamen rond de kritische thema’s: arena/governance, kennis, gerichtheid en coalities/besluiten. In de bijlage is een meer gedetailleerde tabel te vinden met een verdere toelichting op de knelpunten. KNELPUNTEN BIJ HET BOUWEN AAN DATAGESTUURD WERKEN ARENA

KENNIS

GERICHTHEID

PROCESVOERING

Onduidelijk wie over vraagstuk gaat

De vraagstukken zijn niet goed gedefinieerd

Er zijn verschillende perspectieven op het probleem

Gebrek aan expertise/ competenties

De betrokkenheid van relevante actoren ontbreekt

Vraagstukken en oplossingen zijn onvoldoende gekoppeld aan mogelijkheden data.

Er zijn dwarszittende emoties

Onvoldoende mandaat en leiderschap

Spelregels ontbreken of werken innovatie tegen

De juiste data zijn niet beschikbaar

Er is geen consensus over doelen en/of middelen

Matige mechanismen om tot besluiten te komen

Gebrek aan verbinding tussen denken en doen

De juiste analyses zijn niet gemaakt/voorlopige kennis wordt als definitief beschouwd

Er is geen gedeelde taal

Matige fasering

Onevenwichtige verhoudingen tussen betrokkenen

Er is geen heldere business­ case

Reflexiviteit van anderen met vaak andere belangen en/of strategieën

Gebrek aan financiële, personele dan wel facilitaire middelen

Tabel 6.

Het vinden van goede aansluiting met alle partners die bij het vraagstuk betrokken zijn, overheerst als knelpunt. Dit heeft verschillende oorzaken: het niet aanwezig zijn van alle relevante partners in de arena, onvoldoende aandacht voor kennis bij een aantal professionals en blokkades om te kunnen leren, doordat er verschillende belangen zijn. Als kans overheerst het bieden van een daadwerkelijk perspectief op publieke meerwaarde en een reëel perspectief op implementatie. Dit gaat samen met het betrekken van alle relevante partners. Dit is echt een vaardigheid waar de overheid goed in moet worden, wil de ontwikkeling naar datagedreven sturing slagen. We kunnen een groot aantal situaties nader beschrijven en analyseren. In de situaties kunnen we problemen illustreren die we ook in de toekomst verwachten, zoals weerstand tegen samenwerking, problemen met de analyses of interpretatie, en reflexief gedrag van belangrijke partijen We hebben hieronder een fictieve situatie beschreven als voorbeeld.

51

Fictieve situatie: betere dienstverlening Dienstverlening verloopt in de gemeente Utrecht via verschillende kanalen: via de balie, website, sociale media, telefoon, mail etc. Elk kanaal kent een eigen team mensen dat werkt aan zo goed mogelijke dienstverlening voor de Utrechter. Het komt regelmatig voor dat een verzoek niet via de telefoon afgehandeld kan worden. Dan is bijvoorbeeld een afspraak op het Stadskantoor nodig. Zo werken de teams ook samen aan een goede dienstverlening. Om te weten of de dienstverlening goed verloopt, houdt iedere team voor zichzelf bij hoe tevreden Utrechters over hen zijn. Het project Betere Dienstverlening Utrecht staat op het punt van beginnen en wil graag de gegevens van alle teams combineren tot één beeld. Hierover wil de projectleider eerst afspraken maken met de betrokken afdelingshoofden, onder meer over het delen van informatie (governance). De reactie van de teams is aanvankelijk terughoudend – men vindt het niet zo nodig om data te delen: wij weten toch al hoe het gaat met ónze dienstverlening? Wat gaat zo’n analyse ons nu meer vertellen dan wij nu al weten? (kennis/gerichtheid) Handelingsstrategie: verleiding met een businesscase In deze situatie is onder meer sprake van een verschil van inzicht over de mogelijke publieke meerwaarde en is er een zekere weerstand tegen verandering. In het afwegingskader voor verstandig handelen zal een verleidingsstrategie (liever: leren naar gemeenschappelijke interpretatie) gebaseerd op een betere ‘businesscase’ een aantrekkelijke interventie zijn. In Utrecht zijn natuurlijk vele specifieke situaties te onderscheiden. Elk project kampt met nét weer andere dilemma’s bij het bouwen. De vraagstukken verschillen en er treedt een andere combinatie van knelpunten op. Maatwerk in interventies is dus altijd vereist. Op hoofdlijnen kunnen we echter wel algemene uitspraken doen over welk handelen wanneer verstandig is. De volgende basisstrategieën passen het beste bij een dominantie van een specifiek soort knelpunt (naar Stolk, Jellema en Wesseling, 2014. Gebaseerd op basisonderscheidingen Hoppe 2010).

52

BASISSTRATEGIEËN VOOR VERSTANDIG HANDELEN Overwegend consensus over realiseren welke publieke meerwaarde te realiseren en de bijdrage van datasturing

Het is hier verstandig om in bestaande arena’s een expertmatige oplossing uit te werken. Het organiseren van betrokkenheid en ondersteunende leerprocessen is nuttig. Goed voorbeeld is het Open Data Platform. Iedereen was overtuigd van het nut, maar het ontbrak aan een technische faciliteit om de data ook écht live te krijgen. Met technische hulp van buiten is dit toch snel gelukt.

Overwegend consensus over realiseren welke publieke waarde te realiseren en dissensus over de bijdrage van datasturing

Het is verstandig te werken aan een coalitie die het eens is over wat relevante oplossingsrichtingen zijn. Een arena waar zulke processen goed tot stand komen, is meestal alleen open voor betrouwbare stakeholders met een duidelijk belang en kent heldere regels over hoe besluiten tot stand komen. Voor de inhoud helpt het om een (experimentele) onderzoeksagenda te hebben. Zo was iedereen het eens over het belang om zwart werken gerichter op te sporen, maar waren veel verschillende opvattingen over hoe dit streven zich verhoudt tot de privacy van Utrechters. Dit maakte het lastig om tot een concreet en werkend instrument te komen.

Overwegend dissensus over welke publieke waarde te realiseren en consensus over de bijdrage van datasturing

Het is verstandig te werken aan een coalitie die een gedeeld belang kan formuleren. Voor de inhoud helpt het vaak om het vraagstuk uit te breiden naar andere taakvelden, zodat gedeelde grond voor oplossingen beter te vinden is. Grote vaardigheden van procesmanagement zijn nodig. Een voorbeeld: fraude-experts zijn het eens over wie de risicogroep is om snel en slim te kunnen handelen. Namelijk mensen die al schulden hebben én een uitkering hebben. De vraag is echter welke kennis nog kan leiden tot een effectievere aanpak van fraude.

Overwegend dissensus over welke publieke waarde te realiseren en dissensus over de bijdrage van datasturing

Het is verstandig binnen een (meestal nieuwe) omgeving, even weg van de politieke hectiek, te werken aan een rijk discourse/vertoog, waar alle actoren zich in kunnen herkennen. Vanuit die gezamenlijke taal zijn dan verdere stappen te zetten. Daarbij kan zeer gezaghebbende inhoud tot doorbraken leiden. Grote vaardigheden van procesmanagement zijn nodig. Zo is veel tijd en aandacht geïnvesteerd om het systeem van verwijzen en doorverwijzen te verlaten en vanuit een sterk (kennis)netwerk samen de publieke gezondheid te verbeteren. Door snel resultaten te laten zien die de waarde van datasturing hebben aangetoond zijn ook ‘achterblijvers’ stap voor stap overtuigd geraakt van datagedreven sturen op publieke gezondheid. Tabel 7.

Deze basisstrategieën voor verstandig handelen zijn aardig als begin, maar in de praktijk laten knelpunten zich nooit helemaal in een van deze vakjes dwingen. Bijna altijd is het nodig om aan de hand van een specifieke combinatie van knelpunten de strategie te verdiepen en te optimaliseren. Aan de hand van de situaties die we kunnen construeren uit de tabel in de bijlage, is het mogelijk om een heel scala aan nadere verdiepingen te duiden. Tactisch meesterschap is daarmee een belangrijke competentie en maakt daarmee deel uit van de professionaliserings­ opgave. Daarover meer in hoofdstuk 8.

Foto: Alard Willemse

HET VERBETEREN Foto: Willem Mes

N

55

7 Implementatie en evaluatie 7.1 Inleiding We verkeren in de gelukkige omstandigheid dat al druk geëxperimenteerd is met een aantal uitkomsten van datasturingsprojecten. Bij projecten in de volksgezondheid, handhaving en het sociaal domein kunnen we de uitvoering nu al enigszins evalueren. Incidenteel zijn er ook projecten in Utrecht die nog niet tot implementatie zijn gekomen, zoals in het zwartwerken-traject. In dit hoofdstuk gaan we in op de implementatie en de evaluatie van een project van datagedreven sturing. 7.2 Implementatie Belangrijk bij de implementatie is het toetsen van de prototypes. Er moet in ieder geval een levensvatbaar prototype zijn, voordat met implementatie gestart kan worden. Ook de verbinding met de uitvoeringspraktijk is daarbij essentieel. Verdere succesfactoren bij implementatie zijn het aantonen van de meerwaarde door concreet resultaat, de betrokkenheid van relevante externe stakeholders bij het bouwproces, de aansluiting bij een bestaande werkpraktijk en niet onbelangrijk: het laten zien van mogelijkheden tot aantrekkelijk vervolg. In meer open processen is hiervoor doorslaggevend dat de betrokken partijen zelf de meerwaarde van het gebruik van de data inzien en er ook daadwerkelijk zelf gebruik van maken.

56

Kracht van kaartjes Professionals van de afdeling Vergunningen, Toezicht en Handhaving zijn pas overtuigd geraakt van de meerwaarde toen ze ook écht met het softwarepakket Tableau konden gaan oefenen. Met de trialversie waren snel kaartjes te genereren die de hotspots per wijk inzichtelijk maakten. Dit was informatie waarmee men op de werkvloer meteen aan de gang kon. Het punt waar we specifiek bij willen stilstaan is het belang van een goed werkende kennisinfrastructuur voor het werken met datasturing binnen de reguliere werk­ omgeving. Organiseer hiervoor een kennis- en leerschool in de reguliere werk­ omgeving om tot gezamenlijke interpretatie te komen en maak ook in het reguliere werk vruchtbare coalities. In meer open processen is hiervoor doorslaggevend dat de betrokken partijen zelf de meerwaarde van het gebruik van de data inzien en er ook daadwerkelijk zelf gebruik van maken.

Open Data Platform Het Open Data Platform heeft onder meer als taak om de verbindingen rondom open datasets zowel binnen de gemeente als met externe partijen tot stand te brengen. Het doel is om zoveel mogelijk waarde te halen uit de datasets die nu al beschikbaar zijn en nieuwe nuttige sets te openen. Samen met de organisatie Voorbeeld: KTSD De ontwikkeling van het KTSDsysteem is gestart met het doel om

Setup werken ze hierbij aan initiatieven die invulling geven aan verbinding met de (slimme) stad. Samen organiseren zij sessies waarbij rond concrete vraagstukken en open datasets samen mogelijkheden worden verkend.

buurtteammedewerkers te ondersteunen bij hun dagelijks werk. Door periodiek de informatie te evalueren met de gemeente wordt gekeken in hoeverre het nieuwe sociale stelsel en de beoogde doelstellingen worden gehaald. Daarnaast dient de evaluatie ook heel nadrukkelijk om vooruit te kijken en samen perspectief te ontwikkelen. Door de informatie uit het KTSD te (gepseudonimiseerd) te koppelen aan databronnen van de gemeente en andere partners ontstaan waardevolle feedbackloops om sneller en beter te kunnen interveniëren in het sociale domein. Hiermee kan het nieuwe opdrachtgeverschap beter ingevuld worden. Dit zijn geen stappen die in het project in één keer worden gemaakt. Dit gaat stap voor stap én samen met de mensen op de werkvloer met als doel om te leren en te bouwen.

7.3 Evaluatie De factoren die we hiervoor hebben genoemd, zijn niet alleen belangrijk voor de implementatie, maar ook voor de evaluatie. Evaluatie is in een exploratieve werkwijze nadrukkelijk geen eindpunt, maar een tussenstation. Even samen op adem komen en kijken welke lessen we kunnen leren uit het verloop tot nog toe. De lessen bieden waardevolle input om het project verder uit te bouwen, de link met de praktijk te versterken of juist meer verbinding met politiek en bestuur te zoeken. In Utrecht zijn er projecten die zich in wisselwerking met de praktijk steeds verder ontwikkelen en die de komende periode bijvoorbeeld van monitoring naar predictive analyse gaan evolueren. De kunst voor een team dat aan een project werkt is om bewust deze momenten tot evaluatie in te bouwen.

Het verhaal van een

professionele organisatie: professionalisering en organisatieleren

Hoofdstukken over het werken aan de datagedreven gemeente

Foto: Jan Lankveld

HET ORGANISER Foto: Robert Oosterbroek

REN

59

8 Succes stimuleren door een data­vaardige organisatie 8.1 Inleiding Utrecht heeft voor het ontwikkelen van datagestuurd werken de keuze gemaakt voor een exploratieve werkwijze: samen met partners van binnen en buiten de organisatie zoeken naar nieuwe mogelijkheden. Die keuze voor exploratie is gebaseerd op het inzicht dat datagedreven sturing leidt tot meerwaarde, omdat de kennis steeds beter aansluit bij wat de professionals in het (interne en externe) netwerk relevant achten voor efficiëntere en effectievere arrangementen. Datagedreven sturing draagt zodoende bij aan a) meer inzicht in oorzaken; b) meer gezamenlijk beeld bij vraagstukken en oplossingen; en c) meer dialoog in het netwerk om naar een integrale en preventieve aanpak te komen. Dat proces van datagedreven sturing heeft belangrijke gevolgen voor de organisatie en stelt bijzondere eisen aan organisatieontwikkeling en professionals. In dit hoofdstuk bespreken we hoe verder aan een datagedreven organisatie gewerkt kan worden.

60

8.2

Innovatiestrategie door zoeken

Op de eerste plaats is een innovatiestrategie nodig die de exploratieve werkwijze ondersteunt. Voor datagedreven sturing is het vereist om te zoeken naar mogelijkheden, zoals alleen gemotiveerde professionals die kunnen zoeken. Die professionals zijn echter niet vanzelfsprekend gericht op datasturing en ook niet vanzelfsprekend datavaardig. Datagedreven sturing staat voor ingrijpende innovatieprocessen die stap voor stap tot stand komen in een organisatie. Uit ervaring en de literatuur (onder andere naar diverse artikelen van Meijer) weten we dat aansluiten bij datagedreven broeihaarden in de organisatie die een stap in de goede richting willen maken, een goede werkwijze kan zijn. Je moet aansluiten bij de kracht die er al is. Dat vereist ook een zekere lichtvoetigheid: zoeken moet en mag leuk zijn. Dat aansluiten bij bestaande kracht kan door bestaande innovatieve kernen te stimuleren (die zijn er in iedere organisatie, maar vaak onder het maaiveld). Door ze te steunen bij het zoeken naar de verbinding met elkaar en door die verbinding uit te breiden naar andere plekken in de organisatie die willen aansluiten. Van belang is natuurlijk ook dat er voldoende geld, tijd en aandacht vanuit het management beschikbaar is om daadwerkelijk initiatieven te ondersteunen (en zo het risico op hobbygedrag te verkleinen). Uit de literatuur weten we veel over hoe dergelijke processen succesvol kunnen zijn. Een proces van verspreiding roept vaak weerstand op. Dus niet alleen stimuleren is nodig, maar ook koestering en bescherming, en verspreiding van de boodschap. In Utrecht heeft politiek, bestuur en topmanagement, met een actieve rol van de gemeentesecretaris, zich met woord en daad (waaronder financiële middelen) achter deze innovatieve ontwikkeling gesteld. Hierdoor wordt een overkoepelende gemeenschappelijke gerichtheid mogelijk. In Utrecht gebeurt dat bijvoorbeeld met datalabs die klaar staan om medewerkers te helpen, met reflectiebijeenkomsten, scholing en vooral met het bieden van mogelijkheden tot experimenteren. Experimenten kunnen succesvol zijn, maar mogen ook mislukken. Leren van fouten mag, moet zelfs om te kunnen innoveren. Een aandachtspunt is dat de (informele) exploratieve, oplossingsgerichte projecten met eigen regels en ritme in Utrecht bestaan naast het stabiele en grote systeem van cyclische sturing gebaseerd op ‘plan, do, check, act’. Hoe kunnen deze twee parallelle systemen elkaar stimuleren? En hoe kan Utrecht zich het best organiseren? Biedt het stabiele systeem van cyclische sturing voldoende ruimte voor zoekende innovatie? Maar ook: hoe vindt verantwoording naar de politiek plaats over de exploratieve projecten? In hoofdstuk 4 zijn we daarop ingegaan met het beschrijven van de spanning van het standaard cyclische besluitvormingsmodel en de ontwikkeling naar een rondenmodel.

61

8.3

Innovatie door kiezen

Het lichtvoetige karakter van zoeken neemt niet weg dat Utrecht nu in een interessante fase is beland waarin er naast verdere exploratieve ontwikkeling ook vanuit de toplaag gekozen moet worden. Er is de afgelopen periode veel geleerd. Er zijn een aantal projecten geslaagd. We hebben daarvan geleerd welke meerwaarde mogelijk is en wat dat vergt. De komende periode moet de spannende onderstroom van datasturing steeds meer met de reguliere stroom worden verweven en grootschaliger worden opgepakt. Voor het management is het de kunst om vanuit de besproken kaders (wat voor meerwaarde is op welke manier te realiseren) te kiezen op welke plekken datagedreven sturing meer grootschalig kan worden ingezet. Daarbij moeten ze ervoor waken dat ze geen methodieken voor procesoptimalisatie inzetten op terreinen die vragen om innovatie (en vice versa). Vanuit een oogpunt van organisatieontwikkeling is de vraag of de fase van exploratie al het einde nadert en een overgang naar consolidatie en expansie aan de orde is. Dat verschilt natuurlijk per organisatieonderdeel: soms is het nodig om een onderdeel rustig te laten ontwikkelen en soms is een meer sturende versnelling nodig. Consolidatie en expansie is dus iets anders dan het instrumentele ‘uitrollen’, maar duidt wel op een zekere stabiliteit in het veranderingsproces. Op zichzelf lijkt een dergelijke overgang zeker aan de orde. Al was het maar omdat met 23 lopende projecten, actief gesteund door ambtelijke top en politiek, vanzelf de vraag ontstaat hoe nu verder. Bovendien zal bij stevige nieuwe vraagstukken steeds meer nadrukkelijk de vraag naar voren komen of hier een datagedreven oplossing niet passend is. Een complicerende factor daarbij is dat de verdere systematische vormgeving van datagedreven sturing een ingrijpende verandering in de werkwijze van de

Voorbeeld van ethische vragen in

organisatie zal vergen. Daarbij lijkt in Utrecht nu een systematische verbreding

het sociaal domein

van het beleid nodig. Dat is een weg die bestaat uit enerzijds het definiëren

In het sociaal domein is een van de

van projecten (die je ruimte voor ontwikkeling geeft) en anderzijds aan het

doelen om met het Dynamisch Data

vinden van verbinding met een visie over hoe het datagedreven sturen per

Dashboard tot burgerprofielen te

organisatieonderdeel versterkt kan worden. Een dergelijke verbreding heeft daarbij

komen. Met een burgerprofiel kan

alleen zin als er een concernbrede structuur is die de voorzieningen en stimulansen

achterhaald worden welke interven-

biedt om in verbinding met elkaar die datagedreven sturing te ontwikkelen.

ties wel en welke niet per profiel

Datagedreven sturing is bij uitstek domeinoverschrijdend en vraagt voorzieningen

werken. Met deze kennis van pro-

en schaarse competenties die op concernniveau georganiseerd kunnen worden.

fielen is de uitvoering beter in staat

Het management dient daarbij de ontwikkeling te stimuleren en tegelijkertijd de

om de kwaliteit van de dienstverle-

verbreding in de eigen organisatieonderdelen te ontwikkelen.

ning te verbeteren per burger. Maar de vraag is of de dienstverlening

Een aspect wat daarbij expliciet aandacht behoeft is de ethiek van datagedreven

zover mag gaan dat ze op basis van

sturing. Hoe verhoudt publieke meerwaarde zich tot privacy (als negatief

deze kenmerken burgers pro actief

extern effect van diezelfde publieke meerwaarde)? Het privacyvraagstuk is

mogen benaderen. De ethische

(wettelijk) behoorlijk genormeerd en wordt door maatregelen (bijvoorbeeld de

vraag is niet of dit mag maar of

pseudonimiseertool) onder controle gebracht. Dit geldt echter nog niet voor de

we dat zouden moeten willen als

ethische normen. Het ethisch normenkader moet gaandeweg ontwikkeld worden.

gemeente.

62

8.4

Veranderingen van ondersteunende rollen in de organisatie

Onze waarneming is dat er belangrijke veranderingen komen en al gaande zijn in de traditioneel ‘’ondersteunende’’ functies in de organisatie. Datagestuurde kennis over vraagstukken en oplossingen brengt professionals dichter tot elkaar. De klassieke grenzen tussen onderzoek, beleid en uitvoering vervagen daarmee. De belangrijkste verandering daarin is dat het ontwikkelen van kennis meer en meer een onderdeel is geworden van het reguliere werk. Het is noodzakelijk ruimte te bieden om nieuwe verbindingen en rollen in de organisatie organisch te laten groeien. De aansluiting van de klassieke informatie- en kennisfuncties bij deze innovatieve ontwikkeling is om drie redenen belangrijk. Ten eerste hebben veel steden, waaronder Utrecht, een onderzoeksbureau dat zich ontwikkeld heeft vanuit de sociaalgeografische kennisfunctie. In Utrecht heeft de afdeling Onderzoek de opvatting dat veel van de recente taken van monitors en het uitvoeren van gericht beleids­onderzoek door de lijn zelf wordt opgepakt of kan worden opgepakt. Die lijn behoeft wel hoogwaardige ondersteuning die het onderzoeksbureau goed zou kunnen leveren. In de rol van kennismakelaar bijvoorbeeld, als bewaker van privacy en als hulp bij het opstellen van hypotheses. Daarnaast zijn er plekken in de organisatie waar sturing met data al een belangrijke rol speelt. Dit soort plekken kunnen een belangrijke voorbeeldrol vervullen en een broedplaats vormen voor de nagestreefde experimentele ontwikkeling naar datagedreven sturing, waar het onderzoeksbureau ondersteunend kan zijn. Afdeling Onderzoek Afdeling Onderzoek kan bij uitstek een rol vervullen bij de kritische reflectie op analyses. Zijn de data wel betrouwbaar? Kloppen de analyses wel? Blijven de hypotheses overeind of is er iets heel anders aan de hand? Eerder noemden we al als gevaar dat deze stap dreigt te worden overgeslagen in de ambitie om snel resultaat te bereiken. ‘Het is belangrijk dat mensen leren te begrijpen dat de gevonden correlaties niet altijd causale verbanden zijn. Daarnaast valt op dat veel data-analyses wel erg gericht zijn op de korte termijn en naar één handelingsperspectief toe. De meervoudige perspectieven voor de lange termijn (en de onderliggende analyses) worden minder eenvoudig opgepakt. Daar zal een afdeling Onderzoek voor nodig blijven. Als datagedreven gemeente kan Utrecht de benodigde ‘check and balances’ organisatorisch inbedden. In de ontwikkeling van Utrecht naar een datagedreven gemeente is dus een prominente rol weggelegd voor de afdeling Onderzoek! Juist in de reguliere werkomgeving is behoefte aan wetenschappelijke competenties, zoals het opstellen van scherpe hypotheses, het kunnen waarderen van beschikbare data en analyses, en het kunnen vertalen ervan naar beleidsvraagstukken en goede oplossingen. Deze kennis is bij uitstek aanwezig binnen de afdeling Onderzoek. De opgave is om te gaan zoeken naar een modus waarin de afdeling Onderzoek deze competenties kan inzetten. De afdeling onderzoek van de GGD ondergaat soortgelijke veranderingen en ontwikkelt zich van klassieke monitoringsafdeling tot een instrument gericht op behoeften van het netwerk, voor dialoog en het verwerven van nieuwe snelle inzichten. Dit is een aanzienlijke ambitie waar systematisch op sturen kan helpen in de ontwikkeling.

63

Daarnaast zijn er organisatieonderdelen gericht op het beheer en de ontwikkeling van data en ICT-voorzieningen die naar een nieuwe rol zullen toegroeien. Zij kunnen de innovatieve ontwikkeling naar datagedreven sturing actief ondersteunen. Zij hebben immers de professionals die databeheer en databewerking kunnen toespitsen op de vraag van de beleidsmakers. Ze kunnen hen ondersteunen met data-inventarisatie en kunnen de infrastructuur bieden voor analyse. We zullen gaan zien dat zulke diensten die eerst vooral ondersteunend waren, steeds dichter bij het primaire proces komen. Dat is nu al te zien in het data-lab en in de projecten waarin mensen met een ICT-achtergrond nadrukkelijk participeren. Een mooi voorbeeld daarvan is het team op het terrein van veiligheid dat een systeembeheerder nadrukkelijk betrekt in de gesprekken met dataleveranciers buiten de gemeente. Ontbreken van interne verbindingen Het ontbrak in het verleden nog weleens aan goede interne verbindingen, waardoor werk dubbel werd gedaan of potentie van collega’s en bestaande voorzieningen niet ten volle werd benut. ‘Iemand maakte vroeger in Google maps een eigen kaartje, terwijl twee tafels verder professionals zaten die kaarten kunnen maken op basis van beschikbare data uit de eigen systemen.’ Dit komt steeds minder voor doordat ICT’ers en (frontline) professionals in de gemeente Utrecht elkaar steeds vaker opzoeken. In het algemeen is het versterken van de adequate infrastructuur voor data­ verzameling en -analyse (kwaliteit warehouses, gelijke definities) op deze functie uiteraard zeer stimulerend. In dat kader is de vraag interessant hoe er gebruikt kan worden gemaakt van technologie die zelf data verzamelt, zoals bijvoorbeeld sensoren. Enige specialisatie in informatiebeheer lijkt hierbij te kunnen helpen. Al zullen de betreffende afdelingen hier ook zelf op moeten kunnen inspelen. In de Utrechtse praktijk zien we dat informatiebeheer en de beleidsafdelingen hierin samen optrekken.

Projectleider KTSD Bij de ontwikkeling van het KTSD-systeem is gekozen voor een projectleider met kennis van informatiesystemen én procesmanagement. De projectleider was hierdoor in staat op een hele realistische manier - en samen met de professionals - een systeem in dialoog te ontwikkelen. Geen groot alles oplossend systeem, maar een systeem dat precies aansluit bij de uitvoering.

64

8.5

Kader van algemene strategie Utrecht ‘Via B’

De exploratieve werkwijze sluit goed aan bij de algemene strategie van organisatieleren van de gemeente Utrecht, die is vastgelegd in het essay ‘Via B’. Veel van de huidige ontwikkelingen staan hierin beschreven. Via ‘B’ De ambitie van de organisatieontwikkeling is in 2011 al scherp gedefinieerd. Het is ons doel om te groeien naar een open, wendbare, scherpe en betrouwbare netwerkorganisatie. Een organisatie die omgevingsgericht is. Die kan inspelen op politieke en maatschappelijke veranderingen op stads- en wijkniveau. Een organisatie met mensen die het verschil maken voor onze inwoners. Een toonaangevende en innovatieve organisatie die effectief gebruikmaakt van de middelen die de samenleving ook inzet. Een organisatie die kosteneffectief haar werk doet, omdat processen gestandaardiseerd zijn. Een organisatie die door haar wendbaarheid lange tijd kan functioneren zonder grootschalige reorganisatie. (Organisatiestrategie Via B, mei 2013) De ingezette exploratieve werkwijze van datagedreven sturing vormt een gerichte invulling van deze algemene lijn van organisatieontwikkeling. Het is immers een lijn die gericht is op leren samenwerken met partners in netwerken en op het wendbaar inspelen op mogelijkheden voor publiek resultaat. Paradoxaal genoeg zal deze exploratieve werkwijze meer resultaat hebben als ook de standaardisatie van informatie en infrastructuur zich voortzet. De afgelopen jaren is daar voortgang op geboekt. De algemene strategie ‘Via B’ biedt dan ook een kader voor de dataprojecten om op een exploratieve manier met nieuwe/betere, gestandaardiseerde informatie­ systemen, met wendbare eenheden met een variërende werkwijze gericht op resultaat, met verantwoordelijkheden laag in de organisatie en met een cultuur gericht op interactie met ‘buiten’ aan het werk ter gaan. Niet alleen in de afgelopen periode, maar ook in de komende. Niet alleen biedt die strategie een kader, de verbreiding van die exploratieve ontwikkeling versterkt door de wijze van werken ook die strategie!

Foto: Jan Lankveld

HET PROFESSONALIS Foto: Marnix Schmidt

SEREN

67

9 Datavaardige professionals en teams 9.1 Inleiding Uit de ervaringen tot nu toe blijkt dat het bouwen, implementeren en uitvoeren van meer datagedreven arrangementen andere en soms nieuwe competenties van de professionals vragen. Zo gaven we al eerder aan dat professionals die zoeken naar nieuwe hypotheses, die toetsing organiseren en die werken met voorlopige assumpties, vaak ondersteuning nodig hebben. Vereist is ook vaardigheid in het vinden, beheren en bewerken van databestanden. Het werken over de grenzen van verschillende domeinen en het binnen een netwerk combineren van inhoudelijke en data-analyses, vraagt om ‘verschillende talen’ te kunnen spreken. Ook het smeden van de benodigde coalities bij gezamenlijk optreden op basis van dataanalyse stelt hoge eisen: de professional moet domeinen en (externe) partijen kunnen verbinden, goed kunnen schakelen met politiek en beschikken over de bijbehorende onderhandelingsvaardigheden.

68

Naast de specifieke kenmerken van datagedreven sturing, vraagt ook het exploratief handelen op zichzelf vaardigheden en ruimte binnen de organisatie. Professionals moeten durven experimenteren en moeten zich lenig kunnen aanpassen aan veranderingen in werkpatron en. Maar exploratief werken vraagt ook om professionals die de relatie met bestuur en politiek kunnen hanteren, terwijl die vaak nog in de klassieke sturingscycli moeten opereren.4 Kortom, datasturing vraagt: zz

Kennis over data-analyses, hypotheses en data

zz

Soepel kunnen opereren in een netwerk, zowel intern als extern

zz

Lenig kunnen inspelen op veranderingen in de werkprocessen

In dit hoofdstuk gaan we in op de eisen die datagedreven sturing aan (mensen binnen) teams stelt. 9.2

Datagedreven sturing betekent eisen stellen aan teams

Op zich beschrijft de voorgaande paragraaf ingrijpende ontwikkelingen in eisen aan competenties. Het lijkt alsof er stapeling plaatsvindt van eisen uit het verleden (degelijk beleid kunnen maken en uitvoeren) en tegelijkertijd exploratief bezig kunnen zijn met meer datagedreven sturing. Onlangs benadrukte Paul ’t Hart hoe verschillende episodes in het naoorlogse overheidsoptreden (van verzuilde samenleving, via welvaartssamenleving tot netwerksamenleving), leidt tot stapeling van eisen aan ambtelijke organisaties en ambtelijke professionals. Van klassieke bureaucratische vaardigheden, tot netwerkvaardigheden, van vaardigheden van risicobeheersing tot vaardigheden gerichtheid op innovatie.5 Maar weinig ambtenaren kunnen aan álle eisen voldoen. Er zijn niet veel ambtenaren die zowel datascientist zijn als expert op een bepaald terrein, als netwerker eerste klas, én die over de grenzen van verschillende beleidsdomeinen kunnen communiceren. De allerbelangrijkste ervaring met de huidige projecten is dan ook dat competenties niet alleen op het niveau van professionals formulering behoeven, maar met name op het niveau van het team en de ondersteuning. Het gaat erom teams samen te stellen die aan de eisen van bouwen, implementeren en uitvoeren van datagedreven sturing kunnen voldoen. De ontwikkeling naar het op basis van een vraagstuk samenstellen van integrale teams, die gericht zijn op een concreet en werkend resultaat is zich in Nederland nadrukkelijk aan het ontwikkelen in de vorm van bijvoorbeeld probleemgestuurd werken. Bij projecten van datagedreven sturing is veel hetzelfde als bij een ‘gewoon’ project, maar er is wel een aantal eisen voor het team te formuleren die soms wat scherper zijn dan anders. Succesvolle projecten lijken teams en ondersteuning te hebben, die op een viertal ‘speelvelden’ scherp optreden. In de vier paragrafen hieronder zullen deze speelvelden nader worden toegelicht. 4

5

Daarbij is er nog wel een onderscheid naar soort arrangement en datasturing. Benodigde veranderingen in de arena bij meer open processen vraagt om een open houding ten aanzien van nieuwe partners, met als gevolg nieuwe spelregels en afspraken. Bij meer expliciete gerichtheid op controle en handhaving kan juist een meer strakke houding gewenst zijn. ’t Hart (2014), Ambtenaar 3.0

69

9.3

Scherpe eisen aan het team: overzicht van het veld

De inzet van data en verwerking daarvan voor verbetering van sturing eist steeds dat het team de reikwijdte van het vraagstuk en de mogelijke oplossingen moet kunnen overzien. Het benodigde overzicht moet tot stand komen op de volgende vijf aspecten: 1. Beleid. Er moet overzicht bestaan over waarom dit voor de overheid een Over beleid

relevant probleem is en welke geschiedenis de overheid heeft met het probleem: wat is geprobeerd en wat lijkt te werken? 2. Partijen. Er moet overzicht bestaan over de partijen die bij het vraagstuk betrokken zijn. Zowel intern als extern.

Over partijen

Over analyses

3. Hypotheses. Er moet overzicht bestaan over een aantal

Veld van overzicht

bestaande hypotheses, die zicht geven op concrete oplossingsrichtingen. 4. Databestanden. Er moet een algemeen overzicht bestaan over de databestanden die (gezamenlijk) relevante informatie kunnen bevatten.

Over databestanden

Over hypotheses

5. Analyses. Er moet overzicht bestaan over welke analyse­mogelijkheden er zijn om vanuit die bestanden tot mogelijke inzichten en vervolgens oplossingen te komen. Zonder algemeen overzicht van deze aspecten blijkt het minder goed mogelijk om de meerwaarde van datagedreven sturing te kunnen zien bij een project. Zo zien we de huidige successen steeds starten vanuit een ambtenaar, die over het overzicht beschikte en van daaruit tot handelen overging. Deze conclusie impliceert een belangrijke uitdaging voor de komende periode. Er zijn ook vraagstukken die te groot zijn om te overzien of waarbij nog veel kennis ontbreekt. Dan zal de overheid bereid moeten zijn om (in dialoog en machinaal) stapje voor stapje te leren over de bovenstaande aspecten. Ambtenaar van het jaar 2014 Eén van de eerste projecten die in Utrecht heeft gewerkt als vliegwiel voor datagedreven sturing is de introductie van datagedreven sturing in het toezicht­ domein. Een jonge ambtenaar is in de trein gaan ‘knutselen’ met Excel om te kijken of de dataverzameling en analyse van gegevens over de leefbaarheid en veiligheid in wijken niet een stukje slimmer zou kunnen. Dit initiatief heeft uiteindelijk geleid tot de introductie van Tableau. Het systeem waarmee onder meer op wijkteamniveau snel in kaart kan worden gebracht waar de probleemgebieden zijn. Dit is nu een belangrijke bron van sturingsinformatie voor de handhavers in de gemeente Utrecht.

Figuur 6.

70

9.4

Eisen aan het team: verenigen van het netwerk op inhoudelijke oplossingen

De dataverwerking en kennis eist dat een vereniging van het netwerk plaatsvindt op een proces dat reikt van informatieverzameling tot actie. In de Utrechtse projecten blijkt steeds dat partners binnen en buiten het stadskantoor nodig zijn om de relevante data boven tafel te krijgen. Een datagedreven oplossing vergt bovendien de bereidheid van meerdere professionals om ermee te werken. Een gezamenlijk beeld bij wat moet gebeuren ontstaat echter niet vanzelf. Betrokkenen kijken vanuit hun eigen perspectief, belang of emotie naar vraagstukken en oplossingen. Niet alle partners zijn (direct) bereid om data te delen. Soms worden randvoorwaarden gesteld door de partners. Dat betekent dat het team in staat moet zijn om partijen te verleiden en te verenigen. Die vereniging moet in ieder geval tot stand komen op Vraagstelling

de volgende aspecten: 1. Vraagstelling. Partners moeten zich scharen achter een gezamenlijke vraagstelling. 2.

samen aan oplossingen te werken. Daarbij is het belangrijk dat ze het

Veld van verleiding

vertrouwen voelen dat data niet misbruikt gaat worden en ‘veilig’ is. 3.

Omgeving

Data delen. Partners moeten verleid worden om data te delen en

Hypotheses. Partners moeten verenigd worden om met de

uitkomsten van de analyses te willen werken.

Oplossing

Zonder het vermogen om partners op de bovenstaande punten te verenigen, is het niet goed mogelijk om vanuit de juiste bestanden tot analyses met doorwerking te komen. Zo zien we in Utrecht bij de huidige

Figuur 7.

succesprojecten dat de partners in het netwerk steeds bereid zijn om mee te doen. De praktijk leert daarbij dat een overheid die het eerste woord kan nemen (procedures en regels, maar ook het nemen van initiatief) daarbij meer behulpzaam is, dan een overheid die het alleenrecht neemt op het laatste woord (betekenis toekennen).6

De rol van de informatie- en procesmanager In Utrecht wordt gewerkt met een informatie- en procesmanager per afdeling. De rol van deze persoon is om het werk in het primaire proces te ondersteunen met informatie. Informatie die vaak afkomstig is van andere afdelingen. Met de ontwikkeling van datagedreven sturing wordt de rol van de informatie- en procesmanager steeds belangrijker. Vanuit concrete vraagstukken denkt hij of zij mee bij het bepalen van relevante datasets. Bovendien heeft de informatie- en procesmanager een hele belangrijke rol bij het verzamelen van de data door hierover binnen andere afdelingen, waaronder de ICT-afdeling, het gesprek aan te gaan. Doordat de informatie- en procesmanager ‘tweetalig’ is (beleid en data-taal) kan hij/zij snel schakelen tussen beleid- en informatievraagstukken.

6

In’t Veld en Stolk (2013)

71

9.5

Eisen aan het team: scherpte in data-analyse en interpretatie

Overzicht hebben en kunnen verenigen is sterk afhankelijk van de vraag of het team in staat is om de databestanden te vinden, te bewerken, de analyses uit te voeren en om vervolgens de uitkomsten te kunnen duiden. Met datagedreven sturing worden hypothesen geformuleerd en getest. Dit betekent dat er altijd een correlatie is die wijst op een mogelijk oorzakelijk verband. Een correlatie is per definitie een versimpeling van een complexe sociale omgeving. De praktijk in Utrecht - en elders - leert dat het inzichtelijk maken en beoordelen van deze correlaties op kwaliteit en relevantie één van de belangrijkste competenties is om ze in het vervolg te kunnen duiden en verrijken met andere (ervarings- of wetenschappelijke) kennis. Professionals verrijken gezamenlijk bijvoorbeeld cijfers die wijzen waar handhavingsprioriteiten moeten liggen met kennis over waar de

Kwaliteit/ relevantie

problemen ontstaan. De benodigde beoordeling heeft betrekking op de volgende aspecten: 1. Kwaliteit en relevantie. Databestanden en uitkomsten van analyses moeten worden beoordeeld op kwaliteit en relevantie. 2. Bewerken en analyse. De databestanden moeten bewerkt worden zodat combinaties en vervolgens analyses

Businesscase

mogelijk zijn.

Veld van beoordeling

Onzekerheid

3. Onzekerheid. Het team moet in staat zijn te beoordelen welke onzekerheid met uitkomsten gepaard gaat. 4. Handelingsperspectief. Het vermogen om vanuit de analyses handelings­perspectief in het arrangement te formuleren. 5. Businesscase. Het vermogen om (op basis van een businesscase) op voorhand de kosten inzichtelijk te maken en te verdelen.

Handelingsperspectief

Figuur 8.

Zonder het vermogen om (op voorhand) de waarde van datagedreven sturing in te schatten, is het onvoldoende mogelijk om daadwerkelijk tot betere oplossingen te komen. Zo zien we in Utrecht bij de huidige succesprojecten dat kwalitatieve inzichten over kaders voor ontwikkeling leiden tot een sterke kwantitatieve analyse. En dat die kwantitatieve analyse vaak verrijkt en praktisch toepasbaar wordt gemaakt met kwalitatieve duiding. De praktijk leert dus bij uitstek dat de combinatie van empirie, ervaring en wetenschappelijke kennis leidt tot meerwaarde. Voorbeeld: volksgezondheid in Overvecht Dat de combinatie van empirie, ervaring en wetenschappe-

sen waren bereid om ook een duiding te geven. Er wordt

lijke kennis leidt tot meerwaarde is zichtbaar bij de Gezonde

door dit team dus integraal naar data gekeken, nadrukkelijk

Wijk-aanpak. Hier wordt bewust ingezet de mix van weten-

ook samen met partners buiten en binnen het stadskantoor

schap en praktijkkennis. De betrokkenen dragen zorg voor de

(zoals de collega’s van het sociaal domein). Voordat er met

kwaliteit en relevantie van data. Uitkomsten van onderzoek

de uitkomsten naar de praktijk wordt gegaan, staan het team

en data-analyse hebben in deze setting een betekenis, die

van de gemeente stil bij wat deze uitkomsten kunnen oproe-

voor verschillende partijen anders is. Het team gaat hier be-

pen en betekenen. Sommigen zullen een andere betekenis

wust mee om. Zo hebben de cultureel-antropologen ervoor

geven dan zij zelf doen.

gekozen om samen met de beoogde gebruikers de kaders

Het formuleren van het businessmodel was koffiedik kijken,

voor dataverzameling te ontwikkelen. Dit leidde tot betere

op basis van veel aannames, maar het was wel belangrijk

kaders én tot meer acceptatie van de uitkomsten. Huisart

om de investering te kunnen maken.

72

9.6

Eisen aan het team: omgaan met reflexiviteit

In Utrecht zien we nu al een trend ontstaan die teams de komende jaren steeds meer gaan tegen komen. De trend dat de partners in een netwerk zelf ook steeds meer bedreven raken in datagedreven sturing. Ze begrijpen waarom de overheid data nodig heeft en hoe zij de data gebruikt. Daar stellen ze zich op in en proberen zo te handelen dat uitkomsten voor hen gewenst zijn. In de literatuur wordt dit reflexiviteit genoemd. Als in Nederland benzine 25 Eurocent duurder wordt, gaan mensen tanken in Duitsland. Als we flexwerkers na twee jaar een ontslagvergoeding moeten betalen, zorgen werkgevers ervoor dat de twee jaar niet langer gehaald wordt. En: als bepaalde data kan leiden tot minder inkomsten, sta je die data niet af. Niets menselijks is mensen vreemd. Als je ook zelf data kan gebruiken, kan dit leiden tot verschillende en soms

Strategie

tegengestelde veronderstelde kennis. We gaan er niet vanuit dat actoren bewust data corrumperen, maar dat kan wel voorkomen. Dat betekent dat we met deze realiteit zullen moeten omgaan. De benodigde vaardigheid om met reflexiviteit om te gaan valt uiteen in de volgende aspecten: 1.

gedrag te doorzien en dient hier rekening mee te houden.

Veld van reflexiviteit

2.

Conflicterende kennis

Strategisch handelen. Het team moet in staat zijn strategisch

Meervoudig kijken. Het team moet in staat zijn te zien dat

mensen geneigd zijn hun eigen betekenis aan uitkomsten toe te

Meervoudig kijken

kennen. 3. Conflicterende kennis. Het team moet in staat zijn om met verschillende (onderling) conflicterende kennis om te gaan.

Figuur 9.

9.7 Voorbeeld: Gezonde Wijk-aanpak Zorgverzekeraars hebben een ander belang. Ze zijn ook financieel gedreven. Daar moet in de gesprekken met hen over analyses rekening mee gehouden worden. De kunst is om dit te benoemen en om vanuit wederzijdse verwachtingen het gesprek aan te gaan.

Vernieuwing competenties voor professional in de kennisarena

Om op bovenstaande velden goed te kunnen acteren zijn in de praktijk verschillende competenties en expertises onontbeerlijk. De gang naar datasturing raakt ambtenaren dan ook op verschillende manieren. De veranderingen voor professionals leiden tot veranderingen in de functiedeling en tot een aanscherping van de specialistische en algemene competenties binnen bepaalde functiegroepen. Zo lijkt er een prominentere rol voor de data-scientist weggelegd in de wisselwerking met beleidsspecialisten voor het duiden van uitkomsten van analyses en het vertalen in hypothesen. De veranderingen in werkpatronen (minder stabiel – meer experimenteel) leidt tot de vraag naar beslissers die ruimte kunnen geven en tegelijk politiek en bestuur kunnen betrekken. Dit kan natuurlijk niet allemaal van alle medewerkers van Utrecht verwacht worden. De competenties moeten daarom in elk team dat met datasturing werkt aanwezig zijn. De organisatie heeft in de ontwikkeling van datagedreven sturing wel een belangrijke rol om mensen te binden die zoveel mogelijk van deze competenties verenigen: door nieuwe ‘types’ te werven, opleidingen aan te bieden en mede­ werkers te belonen met aandacht en ruimte voor nieuwe mogelijkheden als zij zich willen ontwikkelen.

73

Daarnaast moet de organisatie bereid zijn om de ruimte te creëren waarmee medewerkers met specifieke competenties en expertise rond een vraagstuk ‘gepoold’ kunnen worden. De ontwikkeling naar een programma-organisatie met specifieke expertises is dus een belangrijke kracht achter datagedreven sturen in Utrecht. Het is dan ook onvermijdelijk opnieuw na te denken over die bekende verdeling van algemene vaardigheden en van de meer specifieke competenties die we bij verschillende functiedomeinen en functies zien ontwikkelen. Aan de ene kant ontwikkelen zich nieuwe specialismen in databeheer en – analyse waar specialisten de algemene competenties moeten hebben van goed kunnen communiceren, met name ook met de beleidsmensen. Die beleidsmensen moeten naast diepgaande kennis van hun terrein ook voldoende algemene competenties bezitten gericht op de omgang met datagedreven sturing. In Utrecht ontwikkelen die competenties zich tamelijk organisch. Er zijn al toezichthouders die met data werken en databeheerders die op vragen van professionals in specifieke beleidsdomeinen inspelen. Voor de toekomst zien we vele mogelijke verdiepingen in professionaliteit voor wat datagedreven professionals uiteindelijk succesvol kan maken. We benadrukken er een paar die we momenteel in de projecten zien. Tactisch meesterschap: verdere verdieping voor de datagedreven professional 1. Vermogen tot achteruit én vooruit kijken. Als je alleen uitgaat van het verleden (ook voor toekomstanalyses), mis je de zaken die niet uit het verleden komen. Blijf atijd open voor wat er nu gebeurt, want anders kun je uitgaan van patronen die niet meer relevant zijn. 2. Vermogen om analyse naar handelingsperspectief te vertalen. Voor een handelingsperspectief moet je kwalitatieve kennis altijd versmelten met data-analyse. Die verbinding moet je kunnen zien en je moet bewust kunnen zoeken naar verscherpingen. Het is daarbij belangrijk dat er mensen vanuit verschillende invalshoeken kijken. 3. Kritisch zijn op uitkomst én op totstandkoming. Accepteer alleen data-analyses die je begrijpt. Het mag voor een beleidsmedewerker nooit een volledige blackbox zijn. Dat vergt een zekere algemene kennis. Daarbij moet je de moeite nemen om je te laten uitleggen hoe zo’n uitkomst tot stand komt. Het vermogen om veronderstelde kennis kritisch te benaderen zal belangrijker worden. 4. Kritisch zijn op presentatie. Accepteer dus ook alleen presentaties waarin je kunt terugzoeken. De wijze van presentatie beperkt nu de mogelijkheden. 5. Zoek aansluiting met andere kennis. Onderzoek moet ook de poort naar andere kennis zijn. Het team Onderzoek weet daar veel van. Durf te vragen (#DTV) en te verlangen. 6. Conclusie: toets! Zorg voor twee toetsen om adequaat (in een netwerk) data te gebruiken. Ten eerste een praktijktoets. Sluiten analyses aan bij de praktijk en de behoeften die daarbinnen bestaan? Is er een handelingsperspectief? Ten tweede een inhoudelijk-technische toets. Is de kennis adequaat tot stand gekomen? Hoe kritisch moeten we zijn?

CONCLUSIE Foto: Sietse Brouwer

75

10 Voor publiek resultaat

10.1 Inleiding We beschreven in de vorige hoofdstukken de mogelijke meerwaarde van data­ gedreven sturing en zijn ingegaan op hoe datagedreven sturing verder te ontwikkelen. In dit laatste hoofdstuk sluiten we samenvattend af met de belangrijkste aangrijpingspunten voor versterking van de Utrechtse gang naar datagedreven sturing, gericht op meer publiek resultaat. 10.2 Meer of minder open en gesloten strategieën van beheersing De meerwaarde van datagedreven sturing is dat oplossingen voor publieke vraagstukken gevoed worden door meer kennis. En natuurlijk, ‘de waarheid’ bestaat niet. Kennis is nu eenmaal geen weerspiegeling van de werkelijkheid. Kennis is altijd gebrekkig en partieel. Dat is een belangrijke kanttekening, maar het laat onverlet dat datagedreven sturing in de kern betekent dat er meer gehandeld wordt op basis van gestaafde empirie. Uiteindelijk is het doel om meer beheersing te hebben met een grotere kans op verwachte resultaten: om ‘lean’ te zijn in productie­processen, om effectievere handhaving te realiseren, om kansen voor innovators bloot te leggen en om meer zelfsturing van wijken en zelfredzaamheid van burgers te stimuleren.

76

Benadrukt is dat handelen gericht op beheersing en nieuwe mogelijkheden in verschillende situaties tot meer publiek resultaat leidt. Uiteindelijk wordt er iets gerealiseerd en is er dus altijd een effect van ‘beheersd resultaat’ door kennis­ toepassing. Die beheersing door datagedreven sturing kan op verschillende manieren meer gesloten of juist meer open zijn. Meer gesloten of open in de zin van meer of minder beperking van de beschikbaarheid van data voor verschillende actoren. Maar ook meer gesloten of meer open in de zin van komen tot gemeenschappelijke probleemstellingen, interpretatie van de uitkomsten en aanwending van de geproduceerde kennis. Door geraadpleegde wetenschappers is gewaarschuwd voor een nieuwe illusie van maakbaarheid, waarbij gesloten databeschikbaarheid, gesloten productie en gesloten aanwending van kennis gericht op eenzijdige beheersing, de overhand krijgen over een open beschikbaarheid van data gekoppeld aan delen van kennis en gemeenschappelijk en participatief handelen. Open dataprocessen kunnen juist ook gericht zijn op open zoeken naar nieuwe mogelijkheden voor professionals, om hun handelen te ondersteunen of op het in staat stellen van partners om met de brondata zelf op zoek te gaan naar oplossingen. In de praktijk zijn er - afhankelijk van het nagestreefde publieke resultaat - verschillende combinaties van open en gesloten te maken. In geval van sterk negatieve externe effecten kan het zeer terecht zijn gesloten beschikbaarheid van data te combineren met gesloten productie en aanwending gericht op bijvoorbeeld het bestrijden van criminaliteit. Er kan ook open beschikbaarheid zijn, waarbij actoren kennis produceren en aanwenden om innovatie bij de partners in een netwerk te stimuleren. We streven met datagedreven sturing dus altijd naar publiek resultaat, maar altijd zijn er partijen die daar meer of minder van profiteren. Partijen zullen reageren op die kennistoepassing, wellicht als enthousiaste partners, maar wellicht ook als strategische belanghebbende, om de effecten van bijvoorbeeld betere controle weer teniet te doen. Dat geldt ook voor burgers. Met datagedreven sturing kan samen met burgers gewerkt worden aan het definiëren en oplossen van vraagstukken. Maar burgers kunnen daar ook ‘strategisch’ mee omgaan en hun eigen individuele doelstellingen maximaliseren, ten koste van het algemeen belang. Deze ‘arena’ van gerichtheid op beheersing, van geslotenheid en openheid en van publiek resultaat, wordt altijd gekenmerkt door machtsverhoudingen waarin professionals datagedreven sturing ontwikkelen en toepassen, in interactie met allerlei partners. Het is voor een team dus wezenlijk om de beoogde datagedreven sturing te positioneren in wat men een meer of minder gesloten strategie van beheersing kan noemen. 10.3 Tien aangrijpingspunten voor consolidatie en versterking van de strategie Voor de start van een nieuw project is het formuleren van zo’n strategie van beheersing een hele opgave. Op weg naar meer open toepassing van kennis, kan meer gesloten totstandkoming ervan soms nodig zijn. Met de verschuiving in interventies zoals die van repressie naar nudging en van nudging naar ondersteuning bij zelfredzaamheid, is getypeerd hoe datasturing aan die weg kan bijdragen. Open of gesloten (of een mix daarvan): het kan en moet allemaal, maar heb er wel een duidelijke redenering voor.

77

Minstens zo’n grote opgave is het om vervolgens aan deze strategie op een kwalitatief hoogwaardige manier vorm te geven. In de voorgaande hoofdstukken is op basis van de zoektocht in Utrecht die vormgeving nader verkend. Daarbij is een aantal belangrijke stappen gedefinieerd die bij de ontwikkeling en uitvoering van zo’n project nodig zijn en waar de Utrechtse exploratieve strategie zich nog nader in kan versterken. In het algemeen heeft de algemeen gekozen exploratieve strategie inmiddels een groot aantal projecten opgeleverd en is toe aan een consolidatie en nadere expansie. Voor die verdere stappen zijn wellicht de volgende aangrijpingspunten dienstbaar. 1. Formuleer de strategie van meer of minder open en gesloten beheersing op basis van een scherpe definitie van het nagestreefde publieke resultaat. De gebruikte begrippen van brede efficiency en effectiviteit behoeven concrete invulling zoals met de public account van Mark Moore is aangeduid. Uiteindelijk moet datagedreven sturing erom gaan dat bijgedragen wordt aan de lange termijn doelstellingen van de stad Utrecht: veilige stad, welvarende stad, innovatieve en participatieve inwoners en organisaties, zelfredzame burgers. Projecten waarvan het publieke resultaat niet concreet genoeg bijdraagt, behoeven in dialoog aanscherping. 2. Het gaat om de ontwikkeling van datagedreven sturing. Geef dus expliciet aan hoe in het palet van zoeken en analyseren van data nieuwe of vernieuwde methoden aan de orde zijn en hoe die tot die nieuwe inzichten kunnen leiden, waarmee meer publiek resultaat in zicht komt. In veel projecten was dat ook nog een zoektocht. Het is dus zaak om de voortgang in methodiek, de uitkomsten en het gebruik daarvan te beschrijven. Maak bijvoorbeeld samen bewust het onderscheid tussen wat data, informatie en kennis is. Het streven van de strategie moet uiteindelijk zijn dat Utrecht steeds meer bedreven raakt in datagedreven sturing en dat dat leidt tot publieke meerwaarde. Dat eist erover communiceren, en het eist ‘erin‘ praten. Mijdt ‘de techniek’ dus juist niet in de communicatie en voorstellen. Wie datagedreven sturing niet begrijpt en er niet goed over kan praten moet (veel sneller als dat bij digibeten het geval is geweest) de komende jaren enigszins een zonderling worden. 3. Door zo’n scherpe definitie van resultaat en methodiek wordt het gemakkelijker om de partners die kunnen bijdragen aan resultaat (of die daar baat van kunnen hebben) te herkennen en te betrekken. Ook wordt het gemakkelijker om te zien waar juist strategisch gedrag te verwachten is en om te zien hoe daar op in te spelen, liefst door juist naar meer open processen te gaan. Uiteindelijk moet datagedreven sturing ertoe bijdragen dat binnen het samenspel van partijen publieke meerwaarde tot stand komt. Dat eist het ontwerpen, of verder ontwikkelen van arrangementen van coproductie. Wees dus geoefend in het denken in arrangementen, in netwerken van burgers en organisaties die met de overheid een publiek resultaat maken. Ook hier zal sprake zijn van exploratie en ontwikkeling, maar schets daarbij het perspectief naar effectieve arrangementen, waarin partijen zelfsturing en zelfredzaamheid kunnen ontwikkelen op basis van data en kennis.

78

Geef in de netwerken aan hoe van overheidsproductie meer het accent op co-productie en faciliteren komt te liggen. En geef ook aan waar een strakke op eenzijdige beheersing gerichte strategie nodig is. Heb daarbij aandacht voor de dilemma’s van privacy en machtsverhoudingen. 4. Datagedreven sturing is een unieke kans om het denken in effectievere arrangementen te richten vanuit een probleemgerichte (of liever resultaatgerichte) focus. Uiteindelijk gaat het bij datagedreven sturing om handelingsperspectief gebaseerd op kennis. Het gaat erom te denken vanuit de business. Denk dus in arrangementen, maar organiseer probleemgericht en in haalbare, concrete resultaten. Redeneer daarbij vanuit één resultaat en organiseer het team en de planning daaromheen. Liever steeds een kleine stap vooruit dan één veel te grote stap zonder resultaat. Maar formuleer die kleine stappen wel in termen van ontwikkeling van arrangementen, als stelsel van partijen waarmee je iets wilt bereiken. 5. De kennisuitwisseling over de gevolgde exploratieve werkwijze leidt tot vele inzichten over hoe te werk te gaan in verschillende fases van de projecten. Met prototypes, met werkplaatsen, met aantrekkelijke visualisaties, stap voor stap, organiseren van het leren, vanuit ‘de business’ belang van resultaat laten zien, kenniscirculatie, dynamisering van gegevensverzameling, samen met andere steden werken en flexibiliteit in de begroting. Dit tactisch meesterschap van de exploratieve werkwijze mag nog wel verdere anekdotische en systematische aandacht krijgen. Het helpt om verder stil te staan bij de verhalen en te oefenen. 6. Datagedreven sturing ontwikkelt zich op exploratieve wijze, met centrale kaders en stimulansen om op vele plekken in de organisatie projecten te laten ontwikkelen. Om meerdere redenen dan alleen datagedreven sturing, is omgang met zo’n exploratieve werkwijze gericht op concrete vraagstukken, de maat van sturen en management aan het worden. Dat eist werkwijzen in ambtelijke en bestuurlijke sturingscycli die daar ruimte voor bieden. Maar het eist ook vooral bestuurders en managers die daarin hun rol pakken. Maak dus een profiel voor bestuurders en managers die bij uitstek geschikt zijn om exploratieve werkwijzen, vaak verbonden met participatieve processen in netwerken, in hun portefeuille te hebben. Maak dat inzet van allerhande ontwikkelings-, evaluatieve en selectiegesprekken. 7. Het bouwen aan arrangementen met meer datagedreven sturing is een kunst apart. Vaak staat zo’n bouwproces van stapsgewijze ontwikkeling dicht op de lopende praktijken. Dat stel zo nodig nog hogere eisen aan een ontwerptraject. Juist als veel meer sprake is van ‘verbouwen’ dan goed afgebakende nieuwbouw, is het moeilijk om goed de arena van benodigde partijen te bepalen. Of om de benodigde kennis- en leerprocessen tegen alle drukte in toch te organiseren; om de coalitie te smeden als de tijd daar is. ‘Meesterschap’ in bouwen aan arrangementen is juist bij verbouwen dus een heel gewenste vaardigheid. Heb aandacht voor dat leren bouwen aan arrangementen van betrokken ambtenaren.

79

8. Consolidatie en expansie van de huidige exploratieve werkwijze lijkt snel te naderen. Dat blijkt onder meer uit het zoeken naar verdere invulling van de eigen rol van informatie- en kennisgenererende organisatieonderdelen, als het onderzoeksbureau en informatiebeheer. Deze onderdelen kunnen belangrijke makelaars-, verrijkings- en ondersteunende functies verder ontwikkelen en daarmee een verbindende organisatielaag vormen. Ze zoeken elkaar ook al op. Geef betreffende onderdelen de mogelijkheid (of de opdracht) om het perspectief van een dergelijke functie te schetsen en een “exploratief pad” van ontwikkeling te schetsen. Heb daarbij aandacht voor de benodigde infrastructuur en mogelijke korte termijn successen. Heb ook aandacht voor een strategie van dataverzameling vanuit eigen gemeentelijk instrumentarium, als een rijke bron voor mogelijke data-analyse. 9. Datagedreven sturing stelt eisen aan de betrokken professionals. Het sturen moet in de netwerken gebeuren. Data biedt kansen om meer op basis van empirie tot een gezamenlijke gerichtheid te komen, maar het vergt ook specifieke competenties. Zo is het bijvoorbeeld heel belangrijk om data ‘los’ te kunnen krijgen. Of om als professional datavaardig te zijn. Zo komt kennisontwikkeling dichter bij beleid en uitvoering te staan. Dat is mooi, maar eist wel dat de kwaliteit van omgang met kennis geborgd wordt. Zet de al ingezette strategie van competentieversterking van professionals en van nieuwe rollen als informatiemakelaar dus door. Geef enige profilering aan deze rollen door ‘voorbeeldrollen’ intensief met de organisatie te communiceren. 10. De ingezette exploratieve werkwijze stimuleert het innovatieve proces dat gaande is op een krachtige wijze. Een overgang naar consolidatie en expansie eist naast het maken van ruimte voor dit “lichtvoetig zoeken’’ ook een concernsturing die tot keuzes aanzet in een systematische verdere ontwikkeling van datagedreven sturing in de verschillende primaire en concernprocessen. Het is belangrijk om bewuste keuzes te maken over bij welke processen datagedreven sturing de bovenstroom moet worden.

Foto: Robert Oosterbroek

81

B Bijlagen

82

Bijlage 1. Succesfactoren bij het bouwen aan datagestuurd werken SUCCESFACTOREN BIJ HET BOUWEN AAN DATAGESTUURD WERKEN ARENA

KENNIS

GERICHTHEID

PROCESVOERING

Probleemgericht organiseren. Sprake van een concreet probleem dat het project moet gaan oplossen

Kennis van elders. De aanwezigheid van kennis uit projecten elders zorgt vaak voor versnelling in het huidige project

Publieke meerwaarde. Gezamenlijk redeneren vanuit dezelfde publieke meerwaarde

Fasering. Bewuste fasering en besluitvorming in rondes

Vroegtijdige betrokkenheid van stakeholders. Zowel intern als extern zijn belangrijke partijen betrokken

Vermogen om hypotheses te formuleren. Het gebruik kunnen maken van bestaande hypotheses helpt om dataverzameling en analyses te richten

Duiding. Gezamenlijk ontwikkelen van kaders en ‘zachte duiding’

Exploratief werken. Ruimte om ondernemend te exploreren

Veilige omgeving voor datadeling en analyse. Data is beschikbaar doordat iedereen zich voldoende veilig voelt om te delen

Goede data. Beschikbaarheid van kwalitatief goede data. Beschikbaarheid van de benodigde – niet de beschikbare -data zorgt voor echte inhoudelijke vooruitgang

Prototypisch werken. Snel (prototypisch) voorzien in gewenste inzichten

Momentum. Goed aansluiten bij ontwikkelingen binnen de gemeenten, zowel binnen de organisatie als in de politiek en maatschappij

Aansluiting bij al bestaande werkpraktijk. Het projectresultaat is in te passen in de bestaande werkomgeving

Inhoudelijke verbindingen. Verbinding uitvoeringslogica met wetenschappelijke logica. Deze combinatie leidt tot meerwaarde

Kanaliseren belangen. Leren over elkaars wensen en belangen.

Draagvlak. Draagvlak op alle niveaus: bestuurlijk, politiek en in de organisatie

Delen van eigenaarschap. Er is een netwerk waarbij iedereen zich verantwoordelijk voelt voor een bijdrage aan de oplossing

Kennis over cijfers. Het vermogen om cijfers te interpreteren.

Breed handelingsrepertoire. Inzicht in mogelijkheden en geven van overzicht

Juiste expertise. Expertise op terrein netwerk, ICT en domein in één team

Dezelfde taal. Systematisch kunnen praten met partners over ontwikkeling en doorontwikkeling

Interconnectiviteit. Abstractievermogen en interconnectiviteit in team

Tabel 8.

83

Bijlage 2. Het begrijpen: onderliggende inzichten voor een rusteloze zoektocht Inleiding De ambitie van de gemeente Utrecht is om langs de weg van de datasturing steeds meer meerwaarde voor de burgers te realiseren. Het is daarom zinvol om vanuit een breder perspectief te kijken binnen welke bestuurskundige kaders de ontwikkelingen rond professionalisering en organisatieontwikkeling vallen. Als systematisch wordt gekeken naar een aantal ijkpunten van datagedreven sturing in Utrecht, valt op dat ze concrete invulling geven aan al langer bestaande bestuurskundige benaderingen (soms wat in de marge). We verdiepen in deze paragraaf de volgende vijf centrale ijkpunten hiervan.7 1. Procesoptimalisatie: de meerwaarde van lean and mean perspectieven. 2. Vraaggericht ontwikkelen: de meerwaarde van de agile-methodiek. 3. Netwerkmanagement: de meerwaarde van interconnectiviteit. 4. Werksystemen en stabiele systemen: de meerwaarde van ruimte. 5. Kennismanagement: de ontwikkeling naar kennisdemocratie. 1. Procesoptimalisatie door lean and mean perspectieven. In een aantal projecten (zoals toezicht en handhaving en fietsen) onderscheidt Utrecht nadrukkelijk beleidsterreinen waarop ze het bestaande proces wil verbeteren. Soms vraagt een arrangement niet (alleen) om gezamenlijke innovatie, maar wil het juist de rol van de gemeente effectiever of efficiënter te maken. In zulke projecten gebruikt Utrecht data om het eigen proces onder de loep te nemen en middelen beter te alloceren. Dit wordt veelal aangeduid in termen van lean and mean. Lean heeft als hoofddoel om verspilling in het werk weg te nemen. Een echte Lean-expert spreekt vaak over Muda, Mura en Muri. Muda is de meest bekende vorm van verspilling en gaat over het wegnemen van acties die geen waarde toevoegen aan het product of service: denk aan transport, meer service leveren dan gevraagd en wachttijden. Mura is verspilling, doordat geen rekening wordt gehouden met de dynamiek van de vraag. Muri gaat tot slot over het gebrek aan kennis over de juiste interventies en tools die nodig zijn om de interventies goed uit te voeren (George, Rowland en Kastle, 2010). Het is interessant en goed om te constateren dat de gemeente Utrecht met behulp van datasturing werkt aan het identificeren en wegnemen van alle drie de vormen van verspilling. 2. Vraaggericht ontwikkelen door agile-achtige benaderingen. Waarom werken grote ICT-projecten vaak niet? Alle onderzoeken laten zien dat een belangrijke reden is dat niemand van tevoren alle aspecten van zo’n project kan overzien. Men komt met ingewikkelde planningen en kostenramingen, die bij de eerste tegenslag al overboord kunnen. In een aantal projecten laat Utrecht zien dat het veel beter werkt om vanuit een algemene doelstelling steeds haalbare resultaten te definiëren (die afzonderlijk bijdragen aan het doel) en daaromheen een team te formeren met alle benodigde expertise en capaciteit. In snelle slagen (in agile-termen sprints genoemd) wordt dan naar één zo’n resultaat toegewerkt.

7

Uiteraard is dit niet volledig. We hebben hier vijf benaderingen opgenomen die direct raken aan ontwikkelingen waar Utrecht nu voor staat

84

In Nederland zie je dat steeds meer ICT-gedreven processen zo worden opgepakt. In Utrecht zie je dat bijvoorbeeld bij de uitvoering van het Tableau-project. De verwachting (o.a. van de Digicommissaris) is dat steeds meer projecten zo opgepakt gaan worden. Dat betekent dat in deze teams geen afstand meer zit tussen ICT, onderzoek en beleid. De keuze om in het team voor de gezondheidsmonitor, zowel antropologische, wiskundige, epidemiologische én beleidskennis te organiseren, is ook in lijn met een nadruk in de literatuur om expertise meer flexibel rondom een concrete vraag te organiseren (zie bijvoorbeeld Vermaak 2009). 3. Netwerkmanagement door interconnectiviteit. De projecten rond datagedreven sturing laten zien dat het steeds belangrijker wordt dat ambtenaren kunnen functioneren in netwerken. Voor goed werkende dataoplossingen (zeker in een arrangement van cocreatie) bestaat vaak wederzijdse afhankelijkheid. Om in een situatie met knelpunten op gerichtheid en kennis tot vooruitgang te komen, past een routinematige oplossing (‘’zo gaan we het doen’’) niet. In Nederland krijgen veel goedbedoelde analyses geen doorwerking, omdat de betrokken partners niet in staat zijn om daar vanuit een gedeeld perspectief naar te kijken. De projecten waar in netwerken stapsgewijs gewerkt wordt aan gedeelde beelden bij wat relevante kennis en waarden zijn, zijn in lijn met de manier om binnen netwerken met ongestructureerde vraagstukken om te gaan (zie bijvoorbeeld Hoppe, 2010 en Vermaak, 2009). Het feit dat de overheid hier het eerste (procesontwerp) en niet het laatste woord neemt (wat concreet te doen) is in lijn met recente inzichten over hoe te participeren in dit soort netwerken (zie bijvoorbeeld In ’t Veld, 2013). Om tot de juiste analyses en sturingssystematieken te komen, is het belangrijk dat de betrokken partners in staat zijn om over hun domeinen heen te kijken. Daarmee wordt kennis van de inhoud en taal van andere domeinen steeds belangrijker. In de bestuurskunde wordt dit interconnectiviteit genoemd. Naarmate datagedreven sturing steeds meer in netwerken plaatsvindt, zijn zulke vaardigheden van netwerkmanagement onontbeerlijk. Daar moet de komende periode dus verder op getraind worden! 4. Werksystemen en stabiele systemen die ruimte geven. Werkende, innovatieve oplossingen vinden in een wereld met meer ICT en meer netwerken, vergt meer multidisciplinaire teams die gevormd worden op basis van concrete publieke vraagstukken. Interessant daarbij is dat de traditionele sturingscyclus blijft bestaan om overheidshandelen legitimatie te verschaffen (het traditionele systeem). Daaromheen ontstaan met deze benadering steeds meer werksystemen waarbij alleen de direct betrokkenen bij een vraagstuk betrokken zijn. In de wetenschap zien we de verwachting dat de overheid zich steeds meer zo zal gaan organiseren (zie bijvoorbeeld Vermaak, 2009). Als Utrecht echt in staat wil zijn beter bij te dragen aan de werking van probleemgerichte werksystemen, moet in ieder geval steeds kennis van partners, aan kennis van vragen aan kennis van ICT zijn gekoppeld. De bestuurskundige hamvraag lijkt steeds meer te worden hoe het stabiele systeem de werksystemen kan versterken in plaats van omgekeerd.

85

Eén van de elementen daarbij lijkt te zijn om informatiemechanismen in te richten die ervoor zorgen dat oorzaken van knelpunten in de uitvoering (werksysteem) op tafel van de beleidsmakers komen. Als resultaten meer samen in het netwerk gedefinieerd worden, zal dat minder vooraf door de politiek kunnen gebeuren. Dat betekent dat gezocht moet worden naar manieren om de verantwoording in te richten. Dat kan bijvoorbeeld door de politiek een bepalende stem in het procesontwerp of brede principes bij uitvoering te geven (In ’t Veld) of door transparant te zijn in voortgang en de politiek in verhalen te voorzien. Dit is voor Utrecht de komende periode een belangrijk thema. Zeker als zulke initiatieven meer grootschalig worden opgepakt. 5. Kennismanagement door verbinding beleid en onderzoek. Diverse bestuurskundigen hebben de afgelopen periode gewezen op het gevaar van te weinig verbinding tussen kennis en uitvoering. Meer verbinding tussen de kennisarena en de beleids/uitvoeringsarena is nodig. Het gebrek aan uitvoeringslogica in de traditionele (wetenschappelijke) kennisarena leidt er volgens onderzoekers toe dat vaak met wetenschappelijke algoritmes niet de juiste kennisvragen onderzocht worden. In deze casus zien we juist dat de uitvoeringslogica centraal is komen te staan en dat de verbinding met wetenschappelijke kennis leidt tot gedragen én verrassende uitkomsten. Deze toenadering van de twee werelden wordt met het begrip kennisdemocratie (In ’t Veld, 2010) als essentieel gezien voor effectiever overheidshandelen, zeker in een tijd waarin de samenleving in samenstelling en behoefte snel verandert (en waarin nieuwe technieken en inzichten steeds sneller beschikbaar komen). Deze verbinding wordt bij de doorontwikkeling van datagedreven sturing sterk bevorderd.

86

Conclusie U kunt nu zeggen: niets nieuws onder de zon met dat datagedreven sturen. Maar dat zou toch een onderschatting zijn. Er zijn twee aspecten die deze benadering tot een nieuwe ontwikkeling bestempelen en die ons voor nieuwe vragen stellen. 1. Ten eerste omvat datagedreven sturing al die zojuist aangeduide benaderingen in één ‘mengsel’ van rusteloos zoeken en probleemgericht werken. Dat maakt de benadering, zeker als die meer dominant zou worden, tot een zeer uitdagende ontwikkeling ten opzichte van de klassieke ambtelijke bestuurlijke kaders. Probleemgericht organiseren voor werkende oplossingen in een wereld met meer ICT en meer netwerken, vergt multidisciplinaire teams die gevormd worden op basis van concrete publieke vraagstukken. De keuze in het project van de gezondheidsmonitor om in het team zowel antropologische, wiskundige, epidemiologische én beleidskennis te organiseren, is in lijn met een nadruk in de literatuur om de overheid meer flexibel rondom een concrete vraag te organiseren. 2. Als tweede is kenmerkend de rol die informatie en kennis speelt in de ontwikkeling. Ook die is op zich niet nieuw en komt in de boven aangeduide benaderingen vaak ruim tot uitdrukking. Maar onderscheidend is de kennis als primaire drijvende factor in plaats van als hulpmiddel. Die op beheersing en ontwikkeling gerichte kennisdrive stelt eisen aan de inrichting van werkprocessen en organisatie. Als Utrecht echt in staat wil zijn beter bij te dragen aan de werking van probleemgerichte werksystemen moet in ieder geval steeds kennis van partners, aan kennis van vragen aan kennis van ICT zijn gekoppeld. Ondanks deze nieuwigheid geldt: in de al bestaande inzichten zijn veel kaders voor verdere ontwikkeling in Utrecht te vinden.

87

Bijlage 3. Gesprekspartners We hebben met de volgende mensen gesproken en hun input verwerkt in dit essay. De wijze van verwerking is niet met deze gesprekspartners afgestemd (maar met een stuurgroep van de gemeente zelf). Bijzondere dank gaat naast de stuurgroep uit naar Martin Jansen die het proces begeleid heeft, naar Pieter in ‘t Hout die aanscherpingen heeft aangeleverd en naar Dieuwertje de Rover en Jerome van Donk die het hele proces hebben ondersteund. Gesprekspartners zz

Abdullah Pehlivan

zz

Jurriën Brombacher

zz

Albert Meijer

zz

Koos Lieshout

zz

Alex Geurts

zz

Leen Murre

zz

Angela van der Putten

zz

Ling-Po Shih

zz

Arie Godee

zz

Maarten Schurink

zz

Astrid Puik

zz

Marcel Thaens

zz

Caroline Kaitjily

zz

Margriet Kragten

zz

Corrine van Veldhuisen

zz

Martijn Goense

zz

Daniëlle Fiolet

zz

Martijn Minderhoud

zz

Dick de Maa

zz

Martin Jansen

zz

Donovan Karamat Ali

zz

Michel van Aalst

zz

Els van den Berg

zz

Paul Suijkerbuijk

zz

Esther Daals

zz

Pieter in ’t Hout

zz

Evert van Kuilenburg

zz

Roel in ’t Veld

zz

Frank Verschoor

zz

Siem Huijsman

zz

Geerte van Rije

zz

Toke Tom

zz

Gideon Biegstraaten

zz

Tom Degen

zz

Henk van den Driessche

zz

Tom van de Wetering

zz

Hetty Linden

zz

Ton Zijlstra

zz

Jaring Hiemstra

88

Bijlage 4. Literatuuropgave zz

Bekkers (2007). Beleid in beweging. Achtergronden, benaderingen, fasen en aspecten van beleid in de publieke sector. Lemma-De Jong

zz

Delden, van (2009). Sterke netwerken. Ketensamenwerking in de publieke dienstverlening. Van Gennep.

zz

Gemeente Utrecht (2013). Verder Via B. Gemeente Utrecht.

zz

George, Rowland en Kastle (2010). What is Lean Six Sigma? McGraw-Hill Education

zz

Hoppe (2010). The governance of problems. Puzzeling, Powering and Participation. Policy Press

zz

In’t Veld (2010). Kennisdemocratie. Opkomend stormtij. Academic Service

zz

In’t Veld en Stolk (2013). De toekomst van de lokale democratie. Gemeente Haarlemmermeer.

zz

Kokx, Wesseling en Sonnenschein (2013). Bouwen aan samenwerking. Lerend arrangeren. Ministerie van BZK.

zz

Mandinach ( 2006). Systems, science, and schools. In System Dynamics Review. Volume 9, nummer 2, 195-2016.

zz

Mandinach (2012). A perfect time for data use: Using data-driven decision making to inform practice. In Educational Psychologist, Volume 47, nummer 2, 71-85.

zz

Meijer et.al. (2014). Understanding the Dynamics of Open Data From Sweeping Statements to Complex Contextual Interactions. In: M. GascoHernandez (red.) Open Government: Opportunities and Challenges for Public Governance. New York: Springer, 101 – 114.

zz

Meijer (2013). From Hero-Innovators to Distributed Heroism: An indepth analysis of the role of individuals in public sector innovation. In Public Management Review.

zz

Meijer en Van Berlo (2013). Big Data: overheidsbeleid in de Gekende Samenleving. In Bestuurswetenschappen. Volume 6, nummer 5.

zz

Stolk, Wesseling en Stolk (2015). Sturen op gedecentraliseerd stelsel. Ministerie van SZW.

zz

t’Hart (2014). Ambtenaar 3.0. Zoektocht naar het handwerk van de overheidsmanager. NSOB.

zz

TNO (2014). Computermodel voorspelt overlast in woonwijken - en wanneer die uitblijft. Op http://www.ccv-secondant.nl/platform/article/ computermodel-voorspelt-overlast-in-woonwijken-en-wanneer-die-uitblijft/. Bezocht in juni 2015.

zz

Vermaak (2009). Plezier beleven aan taaie vraagstukken. Kluwer

zz

Wesseling en Stolk (2014). Arrangeren naar publieke meerwaarde. Berenschot.

89

90

Foto achterzijde: Jan Lankveld

Gemeente Utrecht

Berenschot Groep B.V.

Stadsplateau 1

Europalaan 40

3521 AZ Utrecht

3526 KS Utrecht

Postbus 16200

Postbus 8039

3500 CE Utrecht

3503 RA Utrecht

030 - 286 00 00

030 - 2 916 916